scipy.stats.qmc.

MultinomialQMC

class scipy.stats.qmc.MultinomialQMC(pvals, n_trials, *, engine=None, seed=None)

从多项分布进行 QMC 采样。

参数:

pvalsarray_like (k,)

大小为 k 的概率向量，其中 k 为类别数。元素必须为非负且求和为 1。

n_trialsint

试验次数。

engineQMCEngine，可选

准蒙特卡罗引擎采样器。如果为 None，则使用Sobol。

seed{None，int，numpy.random.Generator}, 可选

仅当engine为 None 时才会使用。如果seed为整数或 None，则使用np.random.default_rng(seed)创建一个新的numpy.random.Generator。如果seed已为Generator实例，则会使用所提供的实例。

示例

在您的浏览器中试一试！

让我们定义 3 个类别，而对于给定的样本，每个类别的试验合计为 8。每个类别的试验次数由与每个类别关联的pvals 决定。然后，我们对该分布进行 64 次抽样。

>>> import matplotlib.pyplot as plt
>>> from scipy.stats import qmc
>>> dist = qmc.MultinomialQMC(
...     pvals=[0.2, 0.4, 0.4], n_trials=10, engine=qmc.Halton(d=1)
... )
>>> sample = dist.random(64)

我们可以绘制样本，并验证每个类别的试验次数中值为遵循pvals。那将为pvals * n_trials = [2, 4, 4]。

>>> fig, ax = plt.subplots()
>>> ax.yaxis.get_major_locator().set_params(integer=True)
>>> _ = ax.boxplot(sample)
>>> ax.set(xlabel="Categories", ylabel="Trials")
>>> plt.show()

返回在新标签中打开

方法

random([n])

从多项分布中获取n 个 QMC 样本。