megengine.random.beta¶

beta(alpha, beta, size=None)¶

服从贝塔分布 \(\operatorname{Beta}(\alpha, \beta)\) 的随机变量。

对应的概率密度函数为

\[p(x)=\frac{1}{\mathrm{~B}(\alpha, \beta)} x^{\alpha-1}(1-x)^{\beta-1} \quad \text { for } \alpha, \beta>0,\]

其中 \(\mathrm{~B}(\alpha, \beta)\) 是 Beta 函数，

\[\mathrm{~B}(\alpha, \beta)=\int_{0}^{1} t^{\alpha-1}(1-t)^{\beta-1} d t.\]

参数

alpha (Union[Tensor, float]) – 分布的 alpha 参数。必须是非负数。
beta (Union[Tensor, float]) – 分布的 beta 参数。必须是非负数。
size (Optional[Iterable[int]]) – 输出向量的大小。如果 alpha 和 beta 是标量，例如给定大小为 (m, n)，则输出形状为 (m, n)。如果 alpha 或 beta 是一个向量，例如给定的大小是 (m, n) ，那么输出形状是 (m, n) + broadcast(alpha, beta).shape.

返回

输出张量

实际案例

>>> import megengine.random as rand
>>> x = rand.beta(alpha=2, beta=1, size=(2, 2))
>>> x.numpy()   
array([[0.6172312 , 0.9789006 ],
       [0.50004643, 0.9775796 ]], dtype=float32)
>>> alpha = mge.Tensor([[0.5],
...                     [  3]], dtype="float32")
>>> beta = mge.Tensor([0.5,5], dtype="float32")
>>> x = rand.beta(alpha=alpha, beta=beta)
>>> x.numpy()   
array([[0.0075407 , 0.1275094 ],
       [0.96331763, 0.22299217]], dtype=float32)
>>> x = rand.beta(alpha=alpha, beta=beta, size=2)
>>> x.numpy()   
array([[[0.46863747, 0.13819647],
        [0.8646759 , 0.16014215]],

[[0.0682759 , 0.04448463],
[0.97733796, 0.19206746]]], dtype=float32)

megengine.random.uniform

megengine.random.gamma