numpy.random.poisson#
- random.poisson(lam=1.0, size=None)#
从泊松分布中抽取样本.
对于较大的 N 值,泊松分布是二项分布的极限.
- 参数:
- lamfloat 或 floats 的类数组对象
在固定时间间隔内发生的事件的预期数量,必须 >= 0.序列必须可以在请求的大小上进行广播.
- sizeint 或 int 的元组,可选.
输出形状.如果给定的形状是,例如,
(m, n, k),则抽取m * n * k个样本.如果 size 是None(默认),如果lam是标量,则返回单个值.否则,抽取np.array(lam).size个样本.
- 返回:
- outndarray 或标量
从参数化的泊松分布中提取的样本.
参见
random.Generator.poisson新代码应该使用这个.
注释
泊松分布的概率质量函数 (PMF) 为
\[f(k; \lambda)=\frac{\lambda^k e^{-\lambda}}{k!}\]对于预期间隔为 \(\lambda\) 的事件,泊松分布 \(f(k; \lambda)\) 描述了在观察到的间隔 \(k\) 内发生 \(\lambda\) 个事件的概率.
因为输出被限制为 C int64 类型的范围,所以当 lam 在最大可表示值的 10 个标准差内时,会引发 ValueError.
参考
[1]Weisstein, Eric W. “泊松分布 (Poisson Distribution)”. 来自 MathWorld–一个 Wolfram Web 资源. https://mathworld.wolfram.com/PoissonDistribution.html
[2]Wikipedia, “泊松分布 (Poisson distribution)”, https://en.wikipedia.org/wiki/Poisson_distribution
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()
为 lambda 100 和 500 绘制每个 100 个值:
>>> s = np.random.poisson(lam=(100., 500.), size=(100, 2))