numpy.random.RandomState.wald¶
-
RandomState.
wald
(mean, scale, size=None)¶ 从Wald或反高斯分布绘制样本。
随着尺度接近无穷大,分布变得更像高斯。一些参考文献声称Wald是平均等于1的反高斯,但这不是通用的。
首先研究与布朗运动相关的反高斯分布。1956年M.C.K.Tweedie使用名称inverse Gaussian,因为在单位时间内覆盖单位距离和距离的时间之间存在反比关系。
参数: 表示:标量
分布均值,应> 0。
scale:标量
缩放参数,应为> = 0。
size:int或tuple的整数,可选
输出形状。如果给定形状是例如
(m, n, k)
,则m * n * k
默认值为None,在这种情况下返回单个值。返回: samples:ndarray或scalar
绘制的样本,都大于零。
笔记
Wald分布的概率密度函数为
如上所述,反高斯分布首先来自对布朗运动建模的尝试。它也是Weibull的竞争对手,用于可靠性建模和建模股票回报和利率过程。
参考文献
[R201] Brighton Webs Ltd.,Wald Distribution,http://www.brighton-webs.co.uk/distributions/wald.asp [R202] Chhikara,Raj S.和Folks,J.Leroy,“The Inverse Gaussian Distribution:Theory:Methodology,and Applications”,CRC Press,1988。 [R203] 维基百科,“Wald分发”http://en.wikipedia.org/wiki/Wald_distribution 例子
从分布中绘制值并绘制直方图:
>>> import matplotlib.pyplot as plt >>> h = plt.hist(np.random.wald(3, 2, 100000), bins=200, normed=True) >>> plt.show()