Python numpy RandomState.wald用法及代码示例

本文简要介绍 python 语言中 numpy.random.RandomState.wald 的用法。

用法:

random.RandomState.wald(mean, scale, size=None)

从 Wald 或逆高斯分布中抽取样本。

随着尺度接近无穷大，分布变得更像高斯分布。一些参考文献声称 Wald 是一个逆高斯，平均值等于 1，但这绝不是普遍的。

首先研究了与布朗运动相关的逆高斯分布。 1956 年 M.C.K. Tweedie 之所以使用逆高斯这个名称，是因为在单位距离内覆盖的时间与单位时间内覆盖的距离之间存在反比关系。

注意

新代码应改为使用default_rng() 实例的wald 方法；请参阅快速入门。

参数：

mean： 浮点数或类似数组的浮点数

分布均值，必须 > 0。

scale： 浮点数或类似数组的浮点数

比例参数，必须 > 0。

size： int 或整数元组，可选

输出形状。例如，如果给定的形状是 (m, n, k) ，则绘制 m * n * k 样本。如果 size 为 None(默认)，如果 mean 和 scale 都是标量，则返回单个值。否则，将抽取np.broadcast(mean, scale).size 样本。

返回：

out： ndarray 或标量

从参数化 Wald 分布中抽取样本。

注意：

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，逆高斯分布首先源于对布朗运动建模的尝试。它也是 Weibull 在可靠性建模以及股票收益和利率过程建模方面的竞争对手。

参考：

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：方法和应用”，CRC 出版社，1988 年。

3：

维基百科，“Inverse Gaussian distribution”https://en.wikipedia.org/wiki/Inverse_Gaussian_distribution

例子：

从分布中绘制值并绘制直方图：

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