numpy.random.RandomState.poisson#

方法

random.RandomState.poisson(lam=1.0, size=None)#

从泊松分布中抽取样本.

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 Generator 实例的 poisson 方法;请参阅快速开始.

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,必须 >= 0.序列必须可广播到请求的大小.
size整数或整数的元组,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

备注

泊松分布

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

对于预期分离为 \(\lambda\) 的事件,泊松分布 \(f(k; \lambda)\) 描述了在观察间隔 \(\lambda\) 内发生 \(k\) 次事件的概率.

由于输出限制在 C int64 类型的范围内,当 lam 在最大可表示值的 10 倍标准差范围内时,会引发 ValueError.

参考文献

[1]

Weisstein, Eric W. “泊松分布.” 来自 MathWorld–A Wolfram 网络资源. https://mathworld.wolfram.com/PoissonDistribution.html

[2]

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100个lambda值为100和500:

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