NumPy库中的random.exponential()

这段代码使用NumPy库中的random.exponential()函数生成了一个包含1000个随机数的数组，这些随机数服从指数分布。

详细解释：

1. np.random.exponential():

   • 这是NumPy中用于生成指数分布随机数的函数。
   • 指数分布常用于描述事件之间的时间间隔（如泊松过程中的事件间隔）。

2. 参数说明:

   • size=1000: 指定输出数组的形状为1000个元素（即生成1000个随机数）。
   • 默认情况下，scale=1.0（即参数β=1，也称为率参数λ=1时的指数分布）。

3. 数学背景:

   • 指数分布的概率密度函数为：
     ( f(x) = \lambda e^{-\lambda x} ) （当 ( x \geq 0 ) ）
     其中默认 scale=1/λ=1，即λ=1。
   • 均值为 ( \frac{1}{\lambda} = 1 )，方差为 ( \frac{1}{\lambda^2} = 1 )。

4. 输出结果:

   • 返回一个形如 array([x1, x2, ..., x1000]) 的数组，其中每个 ( x_i ) 是从指数分布中抽取的随机样本。

示例：

import numpy as np

# 生成1000个指数分布随机数
data = np.random.exponential(size=1000)

# 打印前5个值
print(data[:5])
# 输出可能类似：[0.12, 1.45, 0.68, 2.91, 0.03]

可选参数：

如果想调整分布的尺度（即均值），可以指定 scale 参数：

# 生成均值为2.0（λ=0.5）的指数分布样本
data = np.random.exponential(scale=2.0, size=1000)

可视化（可选）：

可以通过直方图观察生成的分布：

import matplotlib.pyplot as plt

plt.hist(data, bins=50, density=True)
plt.title("Exponential Distribution (λ=1)")
plt.show()

这段代码常用于模拟等待时间、金融模型或可靠性分析等场景。