Numpy学习07-随机抽样

随机抽样

numpy.random.seed(seed=None) : 指定相同的seed会生成相同的随机数；若不指定则跟随时间差异不同。

离散型随机变量

二项分布

numpy.random.binomial(n, p, size=None)
表示对一个二项分布进行采样，size表示采样的次数，n表示做了n重伯努利试验，p表示成功的概率，函数的返回值表示n中成功的次数。

• 期望：E(x) = np
• 方差：Var(x) = np(1-p)

泊松分布

numpy.random.poisson(lam=1.0, size=None)
表示对一个泊松分布进行采样，size表示采样的次数，lam表示一个单位内发生事件的平均值，函数的返回值表示一个单位内事件发生的次数。

超几何分布

numpy.random.hypergeometric(ngood, nbad, nsample, size=None)
表示对一个超几何分布进行采样，size表示采样的次数，ngood表示总体中具有成功标志的元素个数，nbad表示总体中不具有成功标志的元素个数，ngood+nbad表示总体样本容量，nsample表示抽取元素的次数（小于或等于总体样本容量），函数的返回值表示抽取nsample个元素中具有成功标识的元素个数。

• 均值E(x) = N(n/M)
• 方差Var(x) = N(n/M)(1-n/M)((M-N)/(M-1))
• 注释：考虑n次实验的超几何分布，令p=n/M,当总体容量足够大时((M-N)/(M-1))近似于1，此时数学期望为Np，方差为Np(1-p).

连续型变量

均匀分布

numpy.random.uniform(low=0.0, high=1.0, size=None))
样本均匀分布在low到high的区间内，左闭右开。
numpy.random.rand(d0, d1, ..., dn)
创建给定形状的数组，数值为[0,1)的均匀分布值。
numpy.random.randint(low, high=None, size=None, dtype='l')
返回指定形状，且均匀分布在[low,high)的整数值。
PS：若high = None 则均匀区间为 [0,low)

正态分布

numpy.random.randn(d0, d1, ..., dn)
返回指定形状的标准正态分布。

• 期望：E(x) = 0
• 方差：Var(x) = 1
  numpy.random.normal(loc=0.0, scale=1.0, size=None)

指数分布

numpy.random.exponential(scale=1.0, size=None)
返回指数分布的样本，其中scale = 1/lambda

其他随机函数

随机从系列中抽取元素

numpy.random.choice(a, size=None, replace=True, p=None)
从序列中获取元素，若a<