numpy.random.standard_cauchy¶
-
numpy.random.
standard_cauchy
(size=None)¶ 从模式= 0的标准Cauchy分布绘制样本。
也称为洛仑兹分布。
参数: 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
绘制样本。
笔记
完全柯西分布的概率密度函数是
并且标准Cauchy分布只设置和
Cauchy分布出现在对驱动谐波振荡器问题的解决方案中,并且还描述了谱线变宽。它还描述了以任意角度倾斜的线将切割x轴的值的分布。
当研究假设检验假设正态性时,看看测试对于Cauchy分布的数据是如何执行的,这是它们对重尾分布的敏感性的一个很好的指示,因为Cauchy看起来非常像高斯分布,但是更重尾。
参考文献
[R262] NIST / SEMATECH e-Handbook of Statistical Methods,“Cauchy Distribution”,http://www.itl.nist.gov/div898/handbook/eda/section3/eda3663.htm [R263] Weisstein,Eric W.“Cauchy Distribution。”来自MathWorld-Wolfram Web资源。http://mathworld.wolfram.com/CauchyDistribution.html [R264] 维基百科,“Cauchy分布”http://en.wikipedia.org/wiki/Cauchy_distribution 例子
绘制样本并绘制分布:
>>> s = np.random.standard_cauchy(1000000) >>> s = s[(s>-25) & (s<25)] # truncate distribution so it plots well >>> plt.hist(s, bins=100) >>> plt.show()