dask.array.random.exponential

dask.array.random.exponential¶

dask.array.random.exponential(*args, **kwargs)¶

从指数分布中抽取样本。

此文档字符串是从 numpy.random.mtrand.RandomState.exponential 复制的。

Dask 版本可能存在一些不一致性。

其概率密度函数是

\[f(x; \frac{1}{\beta}) = \frac{1}{\beta} \exp(-\frac{x}{\beta}),\]

对于 x > 0 且在其他地方为 0。\(\beta\) 是尺度参数，它是速率参数 \(\lambda = 1/\beta\) 的倒数。速率参数是指数分布的另一种广泛使用的参数化方式 [3]。

指数分布是几何分布的连续模拟。它描述了许多常见情况，例如在多次降雨中测量的雨滴大小 [1]，或访问维基百科页面请求之间的时间 [2]。

备注

新代码应使用 ~numpy.random.Generator 实例的 ~numpy.random.Generator.exponential 方法；请参阅 Quick start。

参数

比例浮点数或浮点数的类数组对象: 尺度参数，\(\beta = 1/\lambda\)。必须为非负数。
大小int 或 int 的元组，可选: 输出形状。如果给定的形状是，例如，(m, n, k)，那么会抽取 m * n * k 个样本。如果大小是 None``（默认），当 ``scale 是标量时，返回一个单一值。否则，会抽取 np.array(scale).size 个样本。

返回

参见

参考文献

1: Peyton Z. Peebles Jr., “概率、随机变量和随机信号原理”, 第4版, 2001年, 第57页。
2: Wikipedia, “泊松过程”, https://en.wikipedia.org/wiki/Poisson_process
3: Wikipedia, “指数分布”, https://en.wikipedia.org/wiki/Exponential_distribution

示例

一个现实世界的例子：假设一家公司有10000名客户支持代理，客户电话之间的平均时间是4分钟。

>>> n = 10000  
>>> time_between_calls = np.random.default_rng().exponential(scale=4, size=n)  

在接下来的4到5分钟内，客户打电话的概率是多少？

>>> x = ((time_between_calls < 5).sum())/n   
>>> y = ((time_between_calls < 4).sum())/n  
>>> x-y  
0.08 # may vary

dask.array.random.default_rng

dask.array.random.f