python利用指数分布随机数构成泊松过程

以下是Python代码实现指数分布随机数构成泊松过程的方法：

import numpy as np

# 设置参数
lamda = 5  # 平均到达率
T = 20  # 模拟时间

# 生成指数分布随机数
arrive_time = np.cumsum(np.random.exponential(1/lamda, int(lamda*T)))

# 计算泊松过程
n_arrives = np.zeros(int(lamda*T)+1)
for i in range(len(arrive_time)):
    if arrive_time[i] > T:
        break
    n_arrives[int(arrive_time[i])] += 1

# 输出结果
print("时间段\t到达次数")
for i in range(len(n_arrives)):
    print("{}-{}\t{}".format(i, i+1, int(n_arrives[i])))

上述代码中，首先设置了指数分布参数 `lamda` 和模拟时间 `T`，然后使用 `numpy.random.exponential` 函数生成符合指数分布的随机数，再使用 `numpy.cumsum` 累加，得到到达事件的时间点。接着，使用 `numpy.zeros` 初始化一个全为0的数组 `n_arrives` 存储每个时间段内到达的次数，并使用循环统计各时间段内到达次数，最后输出结果。