概率论

柯西定理：$f(x)=\frac {1}{\pi}\frac {\sigma}{(x-median)^2+\sigma^2}$

exponential_(lambd=1, *, generator=None) → Tensor

用从指数分布中绘制的元素填充self张量：

$$f(x)=\lambda e^{-\lambda x}$$

geometric_(p, *, generator=None) → Tensor

用从几何分布中绘制的元素填充self张量：

$$f(X=k)=p^{k-1}(1-p)$$

log_normal_(mean=1, std=2, *, generator=None)

用对数正态分布中由给定平均值和标准偏差参数化的数字样本填充self张量。 请注意， mean 和 std 是基础正态分布的均值和标准偏差，而不是返回的正态分布：
$$f(x)=\frac {1}{x\sigma \sqrt {2\pi}}e^{-\frac {(lnx - \mu)^2}{2\sigma^2}}$$