用法：
RandomState.binomial(n, p, size=None)从二项分布中抽取样本。
从具有指定参数，n个试验和p个成功概率的二项式分布中抽取样本，其中n个整数> = 0，且p在[0,1]区间内。 (n可以作为浮点输入，但在使用中会被截断为整数)
参数： - n： ： int 或 array_like of ints
分布参数，> =0。也接受浮点数，但它们将被截断为整数。
- p： ： float 或 array_like of floats
分布参数> = 0和<= 1。
- size： ： int 或 tuple of ints, 可选参数
输出形状。如果给定的形状是
(m, n, k)， 然后m * n * k抽取样品。如果尺寸是None(默认)，如果返回一个值n和p都是标量。除此以外，np.broadcast(n, p).size抽取样品。
返回值： - out： ： ndarray或标量
从参数化的二项式分布中抽取样本，其中每个样本等于n次试验的成功次数。
注意：
二项式分布的概率密度为
哪里
是试验次数，
是成功的概率，并且
是成功的次数。当使用随机样本估算总体中某个比例的标准误差时，正态分布很好，除非乘积p * n <= 5，其中p =总体比例估算，n =样本数量，在这种情况下而是使用二项式分布。例如，一个15个人的样本显示了4个左撇子和11个右撇子。那么p = 4/15 = 27％。 0.27 * 15 = 4，因此在这种情况下应使用二项式分布。
参考文献：
[1] 彼得·达加德(Dalgaard)，“带R的入门统计”，Springer-Verlag，2002年。 [2] Stanton A. Glantz，《生物统计学入门》，McGraw-Hill，第五版，2002年。 [3] Lentner，Marvin，“Elementary Applied Statistics”，Bogden和Quigley，1972年。 [4] Weisstein，EricW。“二项式分布”。来自MathWorld-A Wolfram Web资源。http://mathworld.wolfram.com/BinomialDistribution.html [5] 维基百科，“Binomial distribution”，https://en.wikipedia.org/wiki/Binomial_distribution 例子：
从分布中抽取样本：
>>> n, p = 10, .5 # number of trials, probability of each trial >>> s = np.random.binomial(n, p, 1000) # result of flipping a coin 10 times, tested 1000 times.一个真实的例子。一家公司钻了9口wild-cat石油勘探井，每口井的成功概率估计为0.1。所有九口井都失败了。发生这种情况的可能性是多少？
让我们对模型进行20,000次试验，并计算产生零阳性结果的次数。
>>> sum(np.random.binomial(9, 0.1, 20000) == 0)/20000. # answer = 0.38885, or 38%.
相关用法
注：本文由纯净天空筛选整理自 numpy.random.mtrand.RandomState.binomial。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。