scipy.stats.random_table

scipy.stats.random_table = <scipy.stats._multivariate.random_table_gen object>

具有固定边际和的独立样本的列联表。

这是具有给定行和列向量和的随机表的分布。此分布表示在行和列独立的零假设下的随机表集合。它用于独立性的假设检验。

由于假设的独立性，每个表元素的预期频率可以从行和列和计算得出，因此分布完全由这两个向量确定。

参数:

rowarray_like

每行中表条目的总和。

colarray_like

每列中表条目的总和。

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

用于绘制随机变量。如果 seed 为 None，则使用 RandomState 单例。如果 seed 是一个整数，则使用一个新的 RandomState 实例，并使用 seed 进行播种。如果 seed 已经是 RandomState 或 Generator 实例，则使用该对象。默认值为 None。

说明

行和列向量必须是一维的，不能为空，并且每个向量的和都必须相同。它们不能包含负数或非整数条目。

分布中的随机元素可以使用 Boyett 的 [1] 或 Patefield 的算法 [2] 生成。Boyett 的算法具有 O(N) 的时间和空间复杂度，其中 N 是表中条目的总和。Patefield 的算法具有 O(K x log(N)) 的时间复杂度，其中 K 是表中的单元格数，并且只需要一个小的常数工作空间。默认情况下，rvs 方法根据输入选择最快的算法，但可以使用关键字 method 指定算法。允许的值为“boyett”和“patefield”。

在 1.10.0 版本中添加。

参考

[1]

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

[2]

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

示例

在你的浏览器中尝试！

>>> 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，可以调用该对象（作为函数）来固定行和列向量和，从而返回“冻结”分布。

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

返回在新标签页中打开

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)	平均表。
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。