dask.array.random.wald

dask.array.random.wald¶

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

从 Wald 或逆高斯分布中抽取样本。

此文档字符串是从 numpy.random.mtrand.RandomState.wald 复制而来的。

Dask 版本可能存在一些不一致性。

随着尺度趋近于无穷大，分布变得更接近高斯分布。一些参考文献声称 Wald 分布是均值等于 1 的逆高斯分布，但这绝非普遍共识。

逆高斯分布最初是在与布朗运动的关系中被研究的。1956年，M.C.K. Tweedie使用了逆高斯这个名字，因为覆盖单位距离所需的时间与单位时间内覆盖的距离之间存在逆关系。

备注

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

参数

平均浮点数或浮点数的类数组对象: 分布均值，必须大于0。
比例浮点数或浮点数的类数组对象: 比例参数，必须大于 0。
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 ``mean 和 scale 都是标量时，返回一个单一值。否则，会抽取 np.broadcast(mean, scale).size 个样本。

返回

参见

注释

Wald 分布的概率密度函数为

\[P(x;mean,scale) = \sqrt{\frac{scale}{2\pi x^3}}e^\frac{-scale(x-mean)^2}{2\cdotp mean^2x}\]

如上所述，逆高斯分布最初源于尝试对布朗运动进行建模。它也是可靠性建模和建模股票回报及利率过程中用于与威布尔分布竞争的一种选择。

参考文献

1: Brighton Webs Ltd., Wald Distribution, https://web.archive.org/web/20090423014010/http://www.brighton-webs.co.uk:80/distributions/wald.asp
2: Chhikara, Raj S., 和 Folks, J. Leroy, “逆高斯分布：理论、方法与应用”, CRC Press, 1988.
3: Wikipedia, “逆高斯分布” https://en.wikipedia.org/wiki/Inverse_Gaussian_distribution

示例

从分布中抽取值并绘制直方图：

>>> import matplotlib.pyplot as plt  
>>> h = plt.hist(np.random.wald(3, 2, 100000), bins=200, density=True)  
>>> plt.show()  

dask.array.random.vonmises

dask.array.random.weibull