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

用法： RandomState.wald(mean, scale, size=None)

从Wald或高斯逆分布中抽取样本。

随着尺度接近无穷大，分布变得更像高斯。一些参考文献声称Wald是均值等于1的逆高斯函数，但这绝不是通用的。

高斯逆分布首先是与布朗运动有关的。 1956年Tweedie使用逆高斯这个名称是因为覆盖单位距离的时间与单位时间所覆盖的距离之间存在反比关系。

参数：

参数：	mean：： float 或 array_like of floats 分布平均值，必须> 0。 scale：： float 或 array_like of floats 比例参数，必须> 0。 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`mean`和`scale`都是标量。除此以外，`np.broadcast(mean, scale).size`抽取样品。
返回值：	out：： ndarray或标量从参数化的Wald分布中抽取样本。

mean：： float 或 array_like of floats: 分布平均值，必须> 0。
scale：： float 或 array_like of floats: 比例参数，必须> 0。
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mean和scale都是标量。除此以外，np.broadcast(mean, scale).size抽取样品。

返回值：

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，高斯逆分布首先源于对布朗运动建模的尝试。它也是Weibull的竞争对手，可用于可靠性建模以及股票收益和利率过程的建模。

[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，“反高斯分布：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

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()

注：本文由纯净天空筛选整理自 numpy.random.mtrand.RandomState.wald。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。