maxframe.tensor.random.logseries#

maxframe.tensor.random.logseries(p, size=None, chunk_size=None, gpu=None, dtype=None)[源代码]#

从对数级数分布中抽取样本。

样本从具有指定形状参数的对数级数分布中抽取，其中 0 < p < 1。

参数:

  • p (float or array_like of floats) -- 分布的形状参数。必须在 (0, 1) 范围内。

  • size (int or tuple of ints, optional) -- 输出形状。如果给定形状为 (m, n, k)，则抽取 m * n * k 个样本。如果 size 为 None``（默认），当 ``p 为标量时返回单个值。否则抽取 np.array(p).size 个样本。

  • chunk_size (int or tuple of int or tuple of ints, optional) -- 每个维度上期望的块大小

  • gpu (bool, optional) -- 如果为 True，则在 GPU 上分配张量，默认为 False

  • dtype (data-type, optional) -- 返回张量的数据类型。

返回:

out -- 从参数化的对数级数分布中抽取的样本。

返回类型:

Tensor or scalar

参见

scipy.stats.logser

概率密度函数、分布或累积密度函数等。

备注

对数级数分布的概率密度为

\[P(k) = \frac{-p^k}{k \ln(1-p)},\]

其中 p = 概率。

对数级数分布常用于表示物种丰富度和出现频率，最早由 Fisher、Corbet 和 Williams 在 1943 年提出 [2]。它也可以用于建模汽车中观察到的乘客数量 [3]。

引用

示例

从分布中抽取样本：

>>> import maxframe.tensor as mt
>>> import matplotlib.pyplot as plt

>>> a = .6
>>> s = mt.random.logseries(a, 10000)
>>> count, bins, ignored = plt.hist(s.execute())

# 与分布进行对比绘图

>>> def logseries(k, p):
...     return -p**k/(k*mt.log(1-p))
>>> plt.plot(bins, (logseries(bins, a)*count.max()/
...          logseries(bins, a).max()).execute(), 'r')
>>> plt.show()