numpy.random.standard_gamma¶

numpy.random.standard_gamma(shape, size=None)¶

从标准Gamma分布绘制样本。

样品从具有指定参数，形状（有时称为“k”）和scale = 1的Gamma分布绘制。

参数：	shape：float 参数，应> 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 绘制样本。

参数：

shape：float

参数，应> 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。

samples：ndarray或scalar

绘制样本。

也可以看看

scipy.stats.distributions.gamma: 概率密度函数，分布或累积密度函数等。

笔记

Gamma分布的概率密度为

其中 $k$ 是形状， $\theta$ 标度， $\Gamma$ 是伽玛函数。

Gamma分布通常用于模拟电子部件故障的时间，并且在Poisson分布式事件之间的等待时间相关的过程中自然出现。

参考文献

[R265]

Weisstein，Eric W.“Gamma Distribution。”来自MathWorld-Wolfram Web资源。http://mathworld.wolfram.com/GammaDistribution.html

[R266]

维基百科，“Gamma分布”，http://en.wikipedia.org/wiki/Gamma-distribution

例子

从分布绘制样本：

>>> shape, scale = 2., 1. # mean and width
>>> s = np.random.standard_gamma(shape, 1000000)

显示样本的直方图，以及概率密度函数：

>>> import matplotlib.pyplot as plt
>>> import scipy.special as sps
>>> count, bins, ignored = plt.hist(s, 50, normed=True)
>>> y = bins**(shape-1) * ((np.exp(-bins/scale))/ \
...                       (sps.gamma(shape) * scale**shape))
>>> plt.plot(bins, y, linewidth=2, color='r')
>>> plt.show()

（源代码，png，pdf）

../../_images/numpy-random-standard_gamma-1.png