1

我正在对我们在整个公司使用的负载测试框架进行一些修改，这是一个我很想得到答案的问题。

我的印象是以下两种生成泊松分布的方法是等效的，但我显然错了：

#!/usr/bin/env python                                                                            

from numpy import average, random, std
from random import expovariate

def main():

    for count in 5.0, 50.0:
        data = [random.poisson(count) for i in range(10000)]
        print 'npy_poisson average with count=%d: ' % count, average(data)
        print 'npy_poisson std_dev with count=%d: ' % count, std(data)

        rate = 1 / count
        data = [expovariate(rate) for i in range(10000)]
        print 'expovariate average with count=%d: ' % count, average(data)
        print 'expovariate std_dev with count=%d: ' % count, std(data)

if __name__ == '__main__':
    main()

这导致输出如下所示：

npy_poisson average with count=5:   5.0168
npy_poisson std_dev with count=5:   2.23685443424
expovariate average with count=5:   4.94383067075
expovariate std_dev with count=5:   4.95058985422
npy_poisson average with count=50:  49.9584
npy_poisson std_dev with count=50:  7.07829565927
expovariate average with count=50:  50.9617389096
expovariate std_dev with count=50:  51.6823970228

为什么当我使用内置 random.expovariate 时标准偏差与给定间隔内的事件数量成比例，而 expovariate std_deviation 以对数基数 10（计数）的速率进行缩放？

后续问题：如果您要模拟用户与您的服务交互的频率，哪一个更合适？

4

1 回答 1

4

因为你的假设是错误的。泊松分布的均值/方差都是lambda，因此stdev是sqrt(lambda)。指数分布的均值/方差分别为1/lambda和1/lambda^2。这std = sqrt(1/(1/rate)^2) = sqrt(rate^2) = rate正是您在这里看到的。

对于您的后续问题，我建议阅读有关排队理论的维基百科文章。

于 2013-01-31T08:11:38.080 回答