scipy.stats.qmc.

MultivariateNormalQMC

class scipy.stats.qmc.MultivariateNormalQMC(mean, cov=None, *, cov_root=None, inv_transform=True, engine=None, rng=None)

从多元正态 \(N(\mu, \Sigma)\) 进行 QMC 采样。

参数:

meanarray_like (d,)

均值向量。其中 d 是维度。

covarray_like (d, d), 可选

协方差矩阵。如果省略，则使用 cov_root 代替。如果同时省略 cov 和 cov_root，则使用单位矩阵。

cov_rootarray_like (d, d’)，可选

协方差矩阵的根分解，其中如果协方差不是满秩的，则 d' 可能小于 d。如果省略，则使用 cov。

inv_transformbool，可选

如果为 True，则使用逆变换而不是 Box-Muller。默认为 True。

engineQMCEngine，可选

拟蒙特卡洛引擎采样器。如果为 None，则使用 Sobol。

rngnumpy.random.Generator，可选

伪随机数生成器状态。当 rng 为 None 时，将使用来自操作系统的熵创建一个新的 numpy.random.Generator。除 numpy.random.Generator 之外的类型将传递给 numpy.random.default_rng 以实例化一个 Generator。

在 1.15.0 版本中更改: 作为从使用 numpy.random.RandomState 过渡到 numpy.random.Generator 的 SPEC-007 过渡的一部分，此关键字已从 seed 更改为 rng。在过渡期，两个关键字将继续工作，尽管一次只能指定一个。在过渡期之后，使用 seed 关键字的函数调用将发出警告。经过一段弃用期后，将删除 seed 关键字。

示例

在您的浏览器中尝试一下！

>>> import matplotlib.pyplot as plt
>>> from scipy.stats import qmc
>>> dist = qmc.MultivariateNormalQMC(mean=[0, 5], cov=[[1, 0], [0, 1]])
>>> sample = dist.random(512)
>>> _ = plt.scatter(sample[:, 0], sample[:, 1])
>>> plt.show()

返回在新标签页中打开

方法

random([n])

从多元正态分布中抽取 n 个 QMC 样本。