Python随机库：从帕累托分布进行模拟（使用形状和尺度参数）

根据Python文档，random.paretovariate(alpha)模拟帕累托分布，其中alpha是形状参数。但帕累托分布同时采用形状和尺度参数。

如何从指定这两个参数的分布中进行模拟？

你说的对，帕累托分布是由形状和尺度参数定义的，而 random.paretovariate(alpha) 函数只接受形状参数 alpha 。

然而，从指定的形状和尺度参数生成帕累托分布的样本很简单。 你可以使用 random.paretovariate(alpha) 函数生成的样本，然后将其乘以尺度参数 scale 。

以下是如何实现这一点：

import random

def pareto_sample(alpha, scale):
  """从具有给定形状和尺度的帕累托分布中生成一个随机样本。

  Args:
    alpha: 形状参数 (alpha > 0).
    scale: 尺度参数 (scale > 0).

  Returns:
    从帕累托分布中随机抽取的样本。
  """

  return random.paretovariate(alpha) * scale

# 示例用法
alpha = 2.5  # 形状参数
scale = 10  # 尺度参数

# 从帕累托分布中生成 10000 个样本
samples = [pareto_sample(alpha, scale) for _ in range(10000)]

在这个代码中：

1. pareto_sample(alpha, scale) 函数取形状 alpha 和尺度 scale 作为输入。
2. 它使用 random.paretovariate(alpha) 从形状为 alpha 、尺度为 1 的帕累托分布中生成一个样本。
3. 然后将生成的样本乘以 scale 以获得具有所需尺度的样本。

通过这种方式，你可以从具有你选择的任何形状和尺度参数的帕累托分布中生成随机样本。