scipy.stats.

MonteCarloMethod

class scipy.stats.MonteCarloMethod(n_resamples=9999, batch=None, rvs=None, rng=None)

Monte Carlo 假设检验的配置信息。

此类的实例可以传递到某些假设检验函数的 method 参数中，以执行假设检验的 Monte Carlo 版本。

属性:

n_resamplesint，可选

要绘制的 Monte Carlo 样本数。 默认为 9999。

batchint，可选

在每次矢量化调用统计量时处理的 Monte Carlo 样本数。当统计量被矢量化时，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样本。

rvscallable 或 callables 的元组，可选

一个 callable 或一系列 callables，用于在零假设下生成随机变量。rvs 的每个元素都必须是一个 callable，它接受关键字参数 size (例如 rvs(size=(m, n))) 并返回该形状的 N 维数组样本。如果 rvs 是一个序列，则 rvs 中的 callables 数量必须与传递给假设检验的样本数相匹配，其中使用 MonteCarloMethod。默认为 None，在这种情况下，假设检验函数选择与假设检验的标准版本匹配的值。例如，scipy.stats.pearsonr 的零假设通常是样本来自标准正态分布，因此 rvs = (rng.normal, rng.normal)，其中 rng = np.random.default_rng()。

rngnumpy.random.Generator，可选

伪随机数生成器状态。当 rng 为 None 时，使用来自操作系统的熵创建一个新的 numpy.random.Generator。除了 numpy.random.Generator 之外的类型将传递给 numpy.random.default_rng 以实例化 Generator。