Python numpy random.mtrand.RandomState.power用法及代码示例

用法：

RandomState.power(a, size=None)

从具有正 index a-1的功率分布中以[0，1]抽取样本。

也称为幂函数分布。

参数：	a： ： float 或 array_like of floats 分布参数。必须为非负数。 size： ： int 或 tuple of ints, 可选参数 输出形状。如果给定的形状是(m, n, k)， 然后m * n * k抽取样品。如果尺寸是None(默认)，如果返回一个值a是标量。除此以外，np.array(a).size抽取样品。
返回值：	out： ： ndarray或标量 从参数化功率分布中抽取样本。
异常：	ValueError： 如果<1。

注意：

概率密度函数为

幂函数分布只是帕累托分布的倒数。它也可能被视为Beta分布的特例。

例如，它用于建模保险索赔的over-reporting。

参考文献：

[1]	克里斯蒂安·克莱伯(Christian Kleiber)，塞缪尔·科茨(Samuel Kotz)，“经济学和精算科学中的统计规模分布”，威利，2003年。

[2]	Heckert，N. A.和Filliben，James J.“ NIST手册148：数据图参考手册，第2卷：让子命令和库函数”，美国国家标准技术研究所手册 Series ，2003年6月。https://www.itl.nist.gov/div898/software/dataplot/refman2/auxillar/powpdf.pdf

例子：

从分布中抽取样本：

>>> a = 5. # shape
>>> samples = 1000
>>> s = np.random.power(a, samples)

显示样本的直方图以及概率密度函数：

>>> import matplotlib.pyplot as plt
>>> count, bins, ignored = plt.hist(s, bins=30)
>>> x = np.linspace(0, 1, 100)
>>> y = a*x**(a-1.)
>>> normed_y = samples*np.diff(bins)[0]*y
>>> plt.plot(x, normed_y)
>>> plt.show()

将幂函数分布与Pareto的倒数进行比较。

>>> from scipy import stats # doctest:+SKIP
>>> rvs = np.random.power(5, 1000000)
>>> rvsp = np.random.pareto(5, 1000000)
>>> xx = np.linspace(0,1,100)
>>> powpdf = stats.powerlaw.pdf(xx,5)  # doctest:+SKIP

>>> plt.figure()
>>> plt.hist(rvs, bins=50, density=True)
>>> plt.plot(xx,powpdf,'r-')  # doctest:+SKIP
>>> plt.title('np.random.power(5)')

>>> plt.figure()
>>> plt.hist(1./(1.+rvsp), bins=50, density=True)
>>> plt.plot(xx,powpdf,'r-')  # doctest:+SKIP
>>> plt.title('inverse of 1 + np.random.pareto(5)')

>>> plt.figure()
>>> plt.hist(1./(1.+rvsp), bins=50, density=True)
>>> plt.plot(xx,powpdf,'r-')  # doctest:+SKIP
>>> plt.title('inverse of stats.pareto(5)')

注：本文由纯净天空筛选整理自 numpy.random.mtrand.RandomState.power。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。