numpy.random.Generator.geometric

方法

random.Generator.geometric(p, size=None)

从几何分布中抽取样本.

伯努利试验是具有两种结果之一的实验:成功或失败（这种实验的一个例子是掷硬币）.几何分布模型化了为了实现成功必须进行的试验次数.因此,它支持正整数,``k = 1, 2, …``.

几何分布的概率质量函数是

\[f(k) = (1 - p)^{k - 1} p\]

其中 p 是单次试验成功的概率.

参数:

p浮点数或浮点数的类数组对象

单次试验成功的概率.

size整数或整数的元组,可选

输出形状.如果给定的形状是,例如,``(m, n, k)``,那么会抽取 m * n * k 个样本.如果大小是 None``（默认）,当 ``p 是标量时返回一个单一值.否则,会抽取 np.array(p).size 个样本.

返回:

outndarray 或标量

从参数化的几何分布中抽取样本.

参考文献

[1]

Wikipedia, “几何分布”, https://en.wikipedia.org/wiki/Geometric_distribution

示例

从几何分布中抽取10,000个值,个体成功的概率等于 p = 0.35:

>>> p, size = 0.35, 10000
>>> rng = np.random.default_rng()
>>> sample = rng.geometric(p=p, size=size)

一次运行后成功的试验比例是多少?

>>> (sample == 1).sum()/size
0.34889999999999999  # may vary

带有 p=0.35 的几何分布如下所示:

>>> import matplotlib.pyplot as plt
>>> count, bins, _ = plt.hist(sample, bins=30, density=True)
>>> plt.plot(bins, (1-p)**(bins-1)*p)
>>> plt.xlim([0, 25])
>>> plt.show()