scipy.stats.random_table#

scipy.stats.random_table = <scipy.stats._multivariate.random_table_gen object>[source]#

具有固定边缘和的独立样本列联表。

这是具有给定行和列向量和的随机表的分布。此分布表示行列相互独立的零假设下的随机表集。它用于独立性的假设检验中。

由于假定独立，可以根据行和和列和来计算每个表格元素的预期频率，因此该分布完全由这两个向量决定。

参数:
行array_like

每行中表条目的总和。

列array_like

每列中表条目的总和。

种子{None, int, np.random.RandomState, np.random.Generator}，可选

用于绘制随机变量。如果种子是None，则使用RandomState单例。如果种子是整数，则使用新的RandomState 实例，并使用种子播种。如果种子已经是RandomState或Generator 实例，则使用该对象。默认值为None。

注意

行和列向量必须是一维的、非空的且每个向量和的总和相等。它们不能包含负数或非整型条目。

从分布中生成的随机元素要么使用 Boyett 的 [1] 算法要么使用 Patefield 的算法 [2]。Boyett 的算法具有 O(N) 时间和空间复杂度，其中 N 是表格中条目的总和。Patefield 的算法具有 O(K x log(N)) 时间复杂度，其中 K 是表格中的单元格数量，并且只需要一个小的常数工作空间。默认情况下，rvs 方法基于输入选择最快的算法，但你可以使用关键字 method 指定算法。允许的值为“boyett”和“patefield”。

在 1.10.0 版中添加。

参考文献

[1]

  1. Boyett, AS 144 Appl. Statist. 28 (1979) 329-332

[2]

W.M. Patefield, AS 159 Appl. Statist. 30 (1981) 91-97

示例

>>> from scipy.stats import random_table

>>> row = [1, 5]
>>> col = [2, 3, 1]
>>> random_table.mean(row, col)
array([[0.33333333, 0.5       , 0.16666667],
       [1.66666667, 2.5       , 0.83333333]])

或者，可以调用对象（作为函数）来修复行和列向量和，返回一个“冻结”的分布。

>>> dist = random_table(row, col)
>>> dist.rvs(random_state=123)
array([[1., 0., 0.],
       [1., 3., 1.]])

方法

logpmf(x)

表 x 在分布中出现的对数概率。

pmf(x)

表 x 在分布中出现的概率。

mean(row, col)

均值表。

rvs(row, col, size=None, method=None, random_state=None)

绘制具有给定行和列向量和的随机表。
本页内容