Python random.weibullvariate() 方法

Python 中的 **random.weibullvariate()** 方法生成遵循威布林分佈的隨機數。威布林分佈是一種連續機率分佈，取決於兩個正引數 alpha (α) 和 beta (β) 的值，這兩個引數都必須大於 0。引數 alpha (α) 定義分佈的尺度。而引數 beta (β) 定義分佈的形狀。

**注意** - 無法直接訪問此函式，因此我們需要匯入 random 模組，然後需要使用 random 靜態物件呼叫此函式。

語法

以下是 weibullvariate() 方法的語法：

random.weibullvariate(alpha, beta)

引數

Python random.weibullvariate() 方法接受以下引數：

• **alpha:** 這是威布林分佈的尺度引數，必須大於 0。

• **beta:** 這是威布林分佈的形狀引數，也必須大於 0。

返回值

此 **random.weibullvariate()** 方法返回一個遵循威布林分佈的隨機數。

示例 1

讓我們看看使用 **random.weibullvariate()** 方法從尺度引數為 2 和形狀引數為 3 的威布林分佈生成隨機數的基本示例。

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)

以下是輸出：

Generated random number from Weibull distribution: 1.9258753905992894

**注意：**由於其隨機性，每次執行程式時生成的輸出都會有所不同。

示例 2

這是一個使用 **random.weibullvariate()** 方法生成並顯示直方圖的示例，該直方圖顯示了尺度引數為 1 和形狀引數為 0.5 的威布林分佈資料的頻率分佈。

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()

執行上述程式碼時，您將獲得如下類似的輸出：

示例 3

這是一個使用random.weibullvariate()方法生成資料並顯示其Weibull分佈直方圖的示例。

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()

以上程式碼的輸出如下：