Python random.weibullvariate（） 方法

Python 中的 random.weibullvariate（） 方法生成遵循 Weibull 分布的随机数。Weibull 分布是连续概率分布，取决于两个正参数 alpha （α） 和 beta （β） 的值，这两个参数都必须大于 0。参数 alpha （α） 定义分布的尺度。其中，参数 beta （β） 定义分布的形状。

语法

以下是 weibullvariate（） 方法的语法 -

 random.weibullvariate(alpha, beta)

参数

Python random.weibullvariate（） 方法接受以下参数 -

• alpha：这是 Weibull 分布的尺度参数，它必须大于 0。
• beta：这是 Weibull 分布的形状参数，它也必须大于 0。

返回值

此 random.weibullvariate（） 方法返回一个遵循 Weibull 分布的随机数。

示例 1

让我们看一个使用 random.weibullvariate（） 方法从尺度参数为 2 和形状参数为 3 的 Weibull 分布中生成随机数的基本示例。

import random

# Parameters for the Weibull distribution
alpha = 2
beta = 3

# Generate a Weibull-distributed random number
random_number = random.weibullvariate(alpha, beta)

print("Generated random number from Weibull distribution:", random_number)

以下是输出 -

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

下面是一个示例，它使用 random.weibullvariate（） 方法生成并显示一个直方图，显示 scale 参数为 1 且形状参数为 0.5 的 Weibull 分布式数据的频率分布。

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

# Parameters for the Weibull distribution
alpha = 1
beta = 0.5	

# Generate Weibull data and convert to integers
data = [random.weibullvariate(alpha, beta) for _ in range(10000)]

plt.figure(figsize=(7, 4))

# Create a histogram of the data	
plt.hist(data, bins=100, density=True, alpha=0.6, label=f'($\alpha={alpha}$), beta={beta})')

plt.title('Histogram of Weibull Distributed Data')
plt.show()

在执行上述代码时，您将获得如下所示的类似输出 -

示例 3

下面是另一个示例，它使用 random.weibullvariate（） 方法生成并显示一个直方图，该直方图显示来自 Weibull 分布的数据分布。

import random
import matplotlib.pyplot as plt

# Define a function to generate and plot data for a given alpha and beta
def plot_weibullvariateian(alpha, beta, label, color):

	 	 # Generate Weibull-distributed data
	 	 data = [random.weibullvariate(alpha, beta) for _ in range(10000)]

	 	 # Plot histogram of the generated data
	 	 plt.hist(data, bins=100, density=True, alpha=0.6, color=color, label=f'(alpha={alpha}, beta={beta})')

fig = plt.figure(figsize=(7, 4))

# Plotting for each set of parameters
plot_weibullvariateian(1, 0.5, '1, 0.5', 'blue')
plot_weibullvariateian(1, 1, '1, 1', 'red')
plot_weibullvariateian(1, 1.5, '1, 1.5', 'yellow')
plot_weibullvariateian(1, 5, '1, 5', 'green')

# Adding labels and title
plt.title('Weibull Distributions')
plt.legend()
plt.ylim(0, 2)
plt.xlim(0, 10)

# Show plot
plt.show()

上述代码的输出如下 -