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

在每次对统计量的向量化调用中处理的重采样次数。当统计量被向量化时，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 以实例化一个 Generator 后使用。如果 rng 已经是 Generator 实例，则使用提供的实例。指定 rng 以实现可重复的行为。

如果此参数是通过位置传递的，如果 random_state 通过关键字传递到初始化器，或者直接使用 random_state 属性，则 random_state 的传统行为适用。

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

• 如果 random_state 是一个整数，则使用一个新的 RandomState 实例，并使用 random_state 作为种子。

• 如果 random_state 已经是 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 到 numpy.random.Generator 的 SPEC-007 过渡的一部分，此属性名称从 random_state 更改为 rng。在过渡时期，这两个名称将继续有效，但一次只能指定一个。在过渡期之后，使用 random_state 将发出警告。上面概述了 random_state 和 rng 的行为，但在新代码中应仅使用 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）。