Python random.expovariate() 方法_Python 菜鸟教程

Python 中的 random.expovariate（） 方法生成遵循指数分布的随机数。指数分布是一种连续概率分布，通常用于对泊松过程中事件之间的时间进行建模。它的特征是参数 lambda，即 rate 参数。

参数 lambda 是 1.0 除以所需的分布均值。如果 lambda 为正数，则函数返回从 0 到正无穷大的值，表示事件之间的时间。如果 lambda 为负数，它将返回从负无穷大到 0 的值。

语法

以下是 expovariate（）方法的语法 -

 random.expovariate(lambda)

参数

此方法接受单个参数 -

lambda：这是指数分布的 rate 参数。

返回值

此方法返回随机数，该随机数遵循具有指定速率的指数分布。

示例 1

让我们看一个使用 random.expovariate（）方法生成单个随机数的基本示例。

import random

# Lambda for the Exponential distribution
lambda_ = 2

# Generate a random number from the Exponential distribution
random_value = random.expovariate(lambda_)

print("Random value from Exponential distribution:", random_value)

以下是输出 -

Random value from Exponential distribution: 0.895003194051671

注意：由于程序的随机性，每次运行程序时生成的 Output 都会有所不同。

示例 2

此示例使用 random.expovariate（）方法生成 10 个间隔时间，平均速率为每秒 15 个到达。

import random

# Lambda for the Exponential distribution
rate = 15 	# 15 arrivals per second

# Generate a random numbers from the Exponential distribution
for i in range(10):
	 	 interarrival_time = random.expovariate(rate)
	 	 print(interarrival_time)

在执行上述代码时，您将获得如下所示的类似输出 -

0.05535939722671001
0.0365294773838789
0.0708190008748821
0.11920422853122664
0.014966394641357258
0.05936796131161308
0.09168815851495513
0.18426575850779056
0.03533591768827803
0.08367815594819812

示例 3

这是另一个示例，它使用 random.expovariate（） 方法生成并显示一个直方图，该直方图显示了 rate 参数为 100 的指数分布中样本的整数部分的频率分布。

import random
import numpy as np
import matplotlib.pyplot as plt

# Generate 10000 samples from an exponential distribution with rate parameter of 100
rate = 1 / 100 	
num_samples = 10000	

# Generate exponential data and convert to integers
d = [int(random.expovariate(rate)) for _ in range(num_samples)]

# Create a histogram of the data with bins from 0 to the maximum value in d
h, b = np.histogram(d, bins=np.arange(0, max(d)+1))

# Plot the histogram
plt.bar(b[:-1], h, width=1, edgecolor='none')
plt.title('Histogram of Integer Parts of Exponentially Distributed Data')
plt.show()

上述代码的输出如下 -

<< Python random.betavariate() 方法 Python random.gammavariate() 方法 >>