scipy.stats.

MonteCarloMethod

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

蒙特卡洛假设检验的配置信息。

此类的实例可以传递给某些假设检验函数的 method 参数，以执行蒙特卡洛版本的假设检验。

属性:

n_resamplesint, 可选

要绘制的蒙特卡洛样本数。默认为 9999。

batchint, 可选

在每次矢量化调用统计量时要处理的蒙特卡洛样本数。当统计量被矢量化时，批处理大小 >>1 往往更快，但内存使用量与批处理大小呈线性关系。默认为 None，它在单个批处理中处理所有样本。

rvs可调用对象或可调用对象的元组, 可选

一个可调用对象或可调用对象的序列，用于在零假设下生成随机变量。 rvs 的每个元素必须是一个接受关键字参数 size （例如，rvs(size=(m, n))）并返回该形状的 N 维数组样本的可调用对象。 如果 rvs 是一个序列，则 rvs 中的可调用对象数量必须与传递给使用 MonteCarloMethod 的假设检验的样本数量匹配。 默认为 None，在这种情况下，假设检验函数会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，会使用来自操作系统的熵创建一个新的 numpy.random.Generator。除 numpy.random.Generator 之外的类型会传递给 numpy.random.default_rng 来实例化一个 Generator。