Метод beta
Метод beta класса Generator генерирует случайные числа
из бета-распределения. Первым параметром метод принимает
параметр формы a, вторым - параметр формы b.
Третьим параметром можно передать размер выходного массива.
Бета-распределение часто используется в байесовской статистике
и моделировании вероятностей.
Синтаксис
generator.beta(a, b, [size])
Пример
Давайте сгенерируем одно случайное число из бета-распределения
с параметрами a=2 и b=5:
import numpy as np
rng = np.random.default_rng(0)
res = rng.beta(2, 5)
print(res)
Результат выполнения кода:
0.17281409754759054
Пример
Давайте сгенерируем массив из 5 случайных чисел
из бета-распределения с параметрами a=3 и b=2:
import numpy as np
rng = np.random.default_rng(0)
arr = rng.beta(3, 2, size=5)
print(arr)
Результат выполнения кода:
[0.63774561 0.50303466 0.50963488 0.87595035 0.72041558]
Пример
Давайте создадим двумерный массив случайных чисел
из бета-распределения с параметрами a=0.5 и b=0.5
размером 2x3:
import numpy as np
rng = np.random.default_rng(0)
arr = rng.beta(0.5, 0.5, size=(2, 3))
print(arr)
Результат выполнения кода:
[[0.2691213 0.94475847 0.0164466 ]
[0.18310819 0.41463075 0.1918225 ]]
Пример
Давайте сгенерируем массив и вычислим его среднее значение и дисперсию для проверки свойств бета-распределения:
import numpy as np
rng = np.random.default_rng(0)
arr = rng.beta(2, 5, size=10000)
mean = np.mean(arr)
var = np.var(arr)
print(mean)
print(var)
Результат выполнения кода:
0.2858811022956176
0.01929144494993876
