dask.array.random.poisson

dask.array.random.poisson¶

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

从泊松分布中抽取样本。

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

Dask 版本可能存在一些不一致性。

泊松分布是二项分布在大N情况下的极限。

备注

新代码应使用 ~numpy.random.Generator 实例的 ~numpy.random.Generator.poisson 方法；请参阅随机快速入门。

参数

lam浮点数或浮点数的类数组对象: 在固定时间间隔内预期发生的事件数量，必须 >= 0。序列必须可广播到请求的大小。
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 ``lam 是标量时，返回一个单一值。否则，会抽取 np.array(lam).size 个样本。

返回

参见

注释

泊松分布

\[f(k; \lambda)=\frac{\lambda^k e^{-\lambda}}{k!}\]

对于具有预期分离 \(\lambda\) 的事件，泊松分布 \(f(k; \lambda)\) 描述了在观测间隔 \(\lambda\) 内发生 \(k\) 个事件的概率。

因为输出被限制在 C int64 类型的范围内，当 lam 在最大可表示值的 10 个标准差范围内时，会引发 ValueError。

参考文献

1: Weisstein, Eric W. “泊松分布” 来自 MathWorld–A Wolfram Web 资源。 https://mathworld.wolfram.com/PoissonDistribution.html
2: Wikipedia, “泊松分布”, https://en.wikipedia.org/wiki/Poisson_distribution

示例

从分布中抽取样本：

>>> import numpy as np  
>>> s = np.random.poisson(5, 10000)  

显示样本的直方图：

>>> import matplotlib.pyplot as plt  
>>> count, bins, ignored = plt.hist(s, 14, density=True)  
>>> plt.show()  

绘制每个 lambda 100 和 500 的 100 个值：

>>> s = np.random.poisson(lam=(100., 500.), size=(100, 2))  

dask.array.random.permutation

dask.array.random.power