scipy.stats.

BootstrapMethod

class scipy.stats.BootstrapMethod(n_resamples=9999, batch=None, random_state=None, method='BCa', *, rng=None)

用于引导置信区间的配置信息。

此类的实例可以传递到某些置信区间方法的 method 参数中，以生成引导置信区间。

属性:

n_resamplesint, 可选

要执行的重采样次数。 默认为 9999。

batchint, 可选

在每次向量化调用统计信息时要处理的重采样数。 当统计信息被向量化时，批量大小 >>1 往往更快，但内存使用量与批量大小呈线性关系。 默认为 None，它在单个批次中处理所有重采样。

rngnumpy.random.Generator, 可选

用于执行重采样的伪随机数生成器。

如果 rng 通过关键字传递给初始化器，或者直接使用 rng 属性，则 numpy.random.Generator 以外的类型会传递给 numpy.random.default_rng 以在使用前实例化 Generator。 如果 rng 已经是 Generator 实例，则使用提供的实例。 指定 rng 以获得可重复的行为。

如果此参数通过位置传递，如果 random_state 通过关键字传递到初始化器中，或者直接使用 random_state 属性，则应用 random_state 的遗留行为

• 如果 random_state 为 None (或 numpy.random)，则使用 numpy.random.RandomState 单例。

• 如果 random_state 是一个 int，则使用一个新的 RandomState 实例，并使用 random_state 播种。

• 如果 random_state 已经是一个 Generator 或 RandomState 实例，则使用该实例。

在 1.15.0 版本中更改: 作为从使用 numpy.random.RandomState 转换为 numpy.random.Generator 的 SPEC-0007 转换的一部分，此属性名称已从 random_state 更改为 rng。 在过渡期内，这两个名称将继续有效，尽管一次只能指定一个。 在过渡期结束后，使用 random_state 将发出警告。 上面概述了 random_state 和 rng 的行为，但新代码中应仅使用 rng。

method{‘BCa’, ‘percentile’, ‘basic’}

是否使用“百分位数”引导（“percentile”）、“基本”（又名“反向”）引导（“basic”）或偏差校正和加速引导（“BCa”，默认）。