numpy.random.RandomState.negative_binomial

method

random.RandomState.negative_binomial(n, p, size=None)

从负二项分布中抽取 samples.

从具有指定参数的负二项分布中抽取样本,其中 n 为成功次数, p 为成功概率,其中 n > 0 且 p 在区间 [0, 1] 内.

备注

新代码应使用 negative_binomial 方法,该方法属于 Generator 实例;请参阅 快速入门 .

参数:

nfloat 或 floats 的类数组对象

分布的参数,> 0.

pfloat 或 floats 的类数组对象

分布的参数, >= 0 且 <= 1.

sizeint 或 int 的元组,可选.

输出形状.如果给定形状是,例如, (m, n, k) ,则抽取 m * n * k 个样本.如果 size 是 None (默认),如果 n 和 p 都是标量,则返回单个值.否则,抽取 np.broadcast(n, p).size 个样本.

返回:

outndarray 或标量

从参数化的负二项分布中抽取的样本,其中每个样本等于 N,即在达到总共 n 次成功之前发生的失败次数.

警告

此函数返回 C-long dtype,在 Windows 上为 32 位,在 64 位平台上为 64 位(在 32 位平台上为 32 位).自从NumPy 2.0,NumPy的默认整数类型在32位平台上是32位,在64位平台上是64位.

参见

random.Generator.negative_binomial

新代码应该使用这个.

注释

负二项分布的概率质量函数为

\[P(N;n,p) = \frac{\Gamma(N+n)}{N!\Gamma(n)}p^{n}(1-p)^{N},\]

其中 \(n\) 是 success 的次数, \(p\) 是 success 的概率, \(N+n\) 是试验次数, \(\Gamma\) 是 gamma 函数.当 \(n\) 是一个整数时, \(\frac{\Gamma(N+n)}{N!\Gamma(n)} = \binom{N+n-1}{N}\) ,这是 pmf 中该项的更常见形式.负二项分布给出了在最后一次试验中成功的情况下,给定 n 次成功时,N 次失败的概率.

如果一个人反复掷骰子,直到第三次出现“1”,那么在第三个“1”出现之前出现的非“1”的数量的概率分布就是一个负二项分布.

参考

[1]

Weisstein, Eric W. “负二项分布.” 来自 MathWorld–Wolfram Web 资源. https://mathworld.wolfram.com/NegativeBinomialDistribution.html

[2]

Wikipedia, “负二项分布”, https://en.wikipedia.org/wiki/Negative_binomial_distribution

示例

Try it in your browser!

从分布中抽取样本:

一个真实的例子.一家公司钻探野猫油勘探井,每口井的估计成功概率为 0.1.对于连续的每口井,获得一次成功的概率是多少?也就是,在钻探 5 口井后,6 口井后等等,获得一次成功的概率是多少?

>>> s = np.random.negative_binomial(1, 0.1, 100000)
>>> for i in range(1, 11): 
...    probability = sum(s<i) / 100000.
...    print(i, "wells drilled, probability of one success =", probability)

Go BackOpen In Tab