numpy.random.gamma

numpy.random.gamma(shape, scale=1.0, size=None)

从伽马分布中提取样本。

从具有指定参数的伽马分布中提取样本， shape （有时称为“k”）和 scale （有时称为“theta”），其中两个参数均大于0。

参数:

形状 : 浮点数或类似浮点数的数组

伽马分布的形状。应大于零。

规模 : 浮点数或类似浮点数的数组，可选

伽马分布的尺度。应大于零。默认值等于1。

size : int或int的元组，可选

输出形状。如果给定的形状是，例如， (m, n, k) 然后 m * n * k 取样。如果尺寸是 None （默认），如果 shape 和 scale 都是标量。否则， np.broadcast(shape, scale).size 取样。

返回:

out : ndarray或scalar

从参数化伽马分布中提取样本。

参见

scipy.stats.gamma

概率密度函数、分布或累积密度函数等。

笔记

伽马分布的概率密度是

p（x）=x ^ k-1 frac e ^-x/theta theta^kgamma（k），

在哪里？ k 是形状和 \theta 规模和 \Gamma 是伽玛函数。

伽玛分布常被用来模拟电子元件的失效时间，并在泊松分布事件之间的等待时间相关的过程中自然出现。

工具书类

[1]	“伽马分布”，摘自《数学世界》——一个Wolfram网络资源。http://mathworld.wolfram.com/gammadistribution.html

[2]	维基百科，“gamma分布”，https://en.wikipedia.org/wiki/gamma_分布

实例

从分发中抽取样本：

>>> shape, scale = 2., 2.  # mean=4, std=2*sqrt(2)
>>> s = np.random.gamma(shape, scale, 1000)

显示样本的直方图，以及概率密度函数：

>>> import matplotlib.pyplot as plt
>>> import scipy.special as sps
>>> count, bins, ignored = plt.hist(s, 50, density=True)
>>> y = bins**(shape-1)*(np.exp(-bins/scale) /
...                      (sps.gamma(shape)*scale**shape))
>>> plt.plot(bins, y, linewidth=2, color='r')
>>> plt.show()