如何在Python中使用pareto分布生成specyfic范围中的随机数

您好我想用pareto分布生成一些随机数。我发现这是可能的使用numpy。但是，我不知道这个结果会很火。例如，我想要在范围内的结果：10-20，但我怎么能实现这一目标？如何在Python中使用pareto分布生成specyfic范围中的随机数

我知道用帕累托从numpy的

numpy.random.pareto(m, s)

我不明白是什么M的语法（我一直在寻找在维基百科上，但我不明白一个位）？我知道这是我生成的元组的大小。

来源

2013-10-22 tobi

RTFM？ http://docs.scipy.org/doc/numpy/reference/generated/numpy.random.pareto.html –

你读过这个http://docs.scipy.org/doc/numpy/reference/generated/numpy。 random.pareto.html – darmat

公平地说，文档中的参数是错误的。 – askewchan

documentation似乎有一个错误，可能会让您感到困惑。

通常在调用签名中的参数名称：

numpy.random.pareto(a, size=None)

匹配参数名称与所提供的资料：

Parameters 
---------- 
shape : float, > 0. 
    Shape of the distribution. 
size : tuple of ints 
    Output shape. If the given shape is, e.g., ``(m, n, k)``, then 
    ``m * n * k`` samples are drawn.

但是你看，第一个参数被称为既a和shape。将想要的形状作为第一个参数传递给size号码（它们不是tuple，而是array）。

如果您需要更改第二个参数（名为x_米上wikipedia），则只需将其添加到所有的值，如示例从docs：

Examples 
-------- 
Draw samples from the distribution: 

>>> a, m = 3., 1. # shape and mode 
>>> s = np.random.pareto(a, 1000) + m

所以，实现下限是微不足道的：只需使用下限为m：

lower = 10 # the lower bound for your values 
shape = 1 # the distribution shape parameter, also known as `a` or `alpha` 
size = 1000 # the size of your sample (number of random values)

并创建th与下界E分布：

x = np.random.pareto(shape, size) + lower

然而，帕累托分布不上界，因此，如果你试图把它割下它真的会分布的truncated version，这是不太一样的东西，所以要小心。如果形状参数远大于1，则分布代数衰减，因为无论如何您都不会看到很多大的值。

如果您选择执行上限，一个简单的方法是产生普通的样本，然后删除超出限制的任何值：

upper = 20 
x = x[x<upper] # only values where x < upper

但现在你的样品的尺寸为（可能）更小。您可以不断添加新的（并过滤掉过大的值），直到尺寸达到您的要求为止，但首先将其设置得足够大，然后仅使用size即可：

x = np.random.pareto(shape, size*5/4) + lower 
x = x[x<upper][:size]

来源

2013-10-22 19:58:17 askewchan

此建议似乎与维基百科有关Lomax与帕雷托关系的文章有冲突。文章说Lomax（比例，形状）+比例等于帕累托（比例=比例，形状）。这意味着帕累托分布不能从尺度参数不能设置的Lomax中获得。 –

@Artturi，我不是这方面的专家，但我认为你是对的。我会这样说：* lomax（loc，scale，shape）* = * pareto_ii（loc，scale，shape）* = * pareto_i（loc = scale，shape）*，最后一个等式只有在* loc =规模*。 * pareto_ii *（和* lomax *）是* pareto_i *的泛化，其中分布由* loc *移位，因此您可以将* loc *添加到每个值。我相信'np.random.pareto（shape）+ loc' = * lomax（loc，scale = 1，shape）*。我想我上面的答案仍然成立，你不能从1改变比例。 – askewchan

@askewchan是否更改了文档？

根据最新doc，m应使用这样

a, m = 3., 2. # shape and mode 
s = (np.random.pareto(a) + 1) * m

其中a是形状，并且m是比例（其为（x_米）在维基百科）。

这是测试代码，预期的平均值等于模拟结果。

a = 2 
m = 10 

def subtask_service_time(): 
    return (numpy.random.pareto(a) + 1) * m 

print('Simulation mean:', sum([subtask_service_time() for _ in range(1000)])/1000) 
print('Excepted mean:', a * m/(a - 1)) 

>>>>Simulation mean: 20.383399962437686 
>>>>Excepted mean: 20.0

来源

2016-05-16 10:16:01 Hunger

如何在Python中使用pareto分布生成specyfic范围中的随机数

回答

相关问题