服从指数分布的随机数

可以使用numpy库中的random模块中的exponential函数来生成服从指数分布的随机数。其中，exponential函数的参数scale为指数分布的尺度参数。

示例代码：

import numpy as np

# 生成10个服从参数为1的指数分布随机数
rand_nums = np.random.exponential(scale=1, size=10)
print(rand_nums)

输出：

[1.86698663 0.47172993 0.48124345 0.36615384 0.03508135 0.93439523
 0.60642477 0.33063235 0.47852453 0.55225137]

相关问题

由 ZMNL 方法，由服从均匀分布的随机数，生成服从指数分布的随机数的Matlab程序

可以使用逆变换法来实现 ZMNL 方法，生成服从指数分布的随机数。具体实现方式如下：

1. 生成服从均匀分布的随机数 U，范围为 [0,1]。

2. 将 U 带入指数分布的累积分布函数 F(x) = 1 - exp(-λx) 中，得到服从指数分布的随机数 X，即 X = -ln(1 - U) / λ。

下面是使用 Matlab 实现上述方法的代码：

function [X] = randexp(lambda, m, n)
% 生成服从指数分布的随机数
% lambda: 指数分布的参数
% m, n: 随机数矩阵的大小（可选参数，默认为 1）

if nargin < 2
    m = 1;
end
if nargin < 3
    n = 1;
end

U = rand(m, n);  % 生成服从均匀分布的随机数
X = -log(1 - U) / lambda;  % 使用逆变换法生成服从指数分布的随机数

end

使用示例：

lambda = 0.5;
X = randexp(lambda, 1000, 1);  % 生成大小为 1000x1 的服从指数分布的随机数矩阵
histogram(X);  % 绘制直方图

注意：这里的 ZMNL 方法与你提到的可能不同，因为我无法知道你指的具体是哪一种方法。

r语言生成服从指数分布的随机数

你可以使用 `rexp()` 函数来生成服从指数分布的随机数。这个函数的第一个参数是生成的随机数的个数，第二个参数是指数分布的参数。例如，下面的代码将生成 100 个服从参数为 0.5 的指数分布的随机数：

set.seed(123) # 设置随机数种子，保证结果可重现
r <- rexp(100, 0.5)

其中 `set.seed(123)` 是为了让结果可重现，如果不设置随机数种子，每次运行结果可能不同。