Python random.weibullvariate() 方法

Python 中的 **random.weibullvariate()** 方法生成遵循威布尔分布的随机数。威布尔分布是一种连续概率分布，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。而参数 beta (β) 定义分布的形状。

**注意** - 无法直接访问此函数，因此我们需要导入 random 模块，然后需要使用 random 静态对象调用此函数。

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:** 这是威布尔分布的尺度参数，必须大于 0。

• **beta:** 这是威布尔分布的形状参数，也必须大于 0。

返回值

此 **random.weibullvariate()** 方法返回一个遵循威布尔分布的随机数。

示例 1

让我们看看使用 **random.weibullvariate()** 方法从尺度参数为 2 和形状参数为 3 的威布尔分布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：

Generated random number from Weibull distribution: 1.9258753905992894

**注意：**由于其随机性，每次运行程序时生成的输出都会有所不同。

示例 2

这是一个使用 **random.weibullvariate()** 方法生成并显示直方图的示例，该直方图显示了尺度参数为 1 和形状参数为 0.5 的威布尔分布数据的频率分布。

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()

执行上述代码时，您将获得如下类似的输出：

示例 3

这是一个使用random.weibullvariate()方法生成数据并显示其Weibull分布直方图的示例。

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()

以上代码的输出如下：