本文简要介绍 python 语言中 scipy.stats.multivariate_hypergeom
的用法。
用法:
scipy.stats.multivariate_hypergeom = <scipy.stats._multivariate.multivariate_hypergeom_gen object>#
多元超几何随机变量。
- m: array_like
总体中每种类型对象的数量。也就是说, 是类型为 的对象的数量。
- n: array_like
从总体中抽取的样本数。
- seed: {无,int,np.random.RandomState,np.random.Generator},可选
用于绘制随机变量。如果种子是None, 这RandomState使用单例。如果种子是一个 int,一个新的
RandomState
使用实例,用种子播种。如果种子已经是一个RandomState
或者Generator
实例,然后使用该对象。默认为None.
参数 ::
注意:
m必须是正整数数组。如果分位数
包含超出范围的值 其中 是类型对象的数量 在总体中,或者如果参数彼此不一致(例如x.sum() != n
),方法返回适当的值(例如0
为了pmf
)。如果m或者n包含负值,结果将包含nan
那里。multivariate_hypergeom
的概率质量函数为其中 是类型为 的对象的数量, 是总体中的对象总数(所有 的总和),而 是要采集的样本的大小从人口。
参考:
[2]Thomas J. Sargent 和 John Stachurski,2020,多元超几何分布https://python.quantecon.org/_downloads/pdf/multi_hyper.pdf
例子:
为了评估多元超几何分布的概率质量函数,具有大小为 和 的二分总体,在大小为 的样本中,具有第一类型的 对象和 对象第二种,使用:
>>> from scipy.stats import multivariate_hypergeom >>> multivariate_hypergeom.pmf(x=[8, 4], m=[10, 20], n=12) 0.0025207176631464523
当群体中仅存在两种类型(好和坏)的对象时,
multivariate_hypergeom
分布与相应的hypergeom
分布相同(尽管有微小的数值差异),如上例所示。考虑另一个与超几何分布进行比较的例子:>>> from scipy.stats import hypergeom >>> multivariate_hypergeom.pmf(x=[3, 1], m=[10, 5], n=4) 0.4395604395604395 >>> hypergeom.pmf(k=3, M=15, n=4, N=10) 0.43956043956044005
函数
pmf
、logpmf
、mean
、var
、cov
和rvs
支持广播,约定向量参数(x
、m
和n
) 是解释为好像沿最后一个轴的每一行都是单个对象。例如,我们可以将前两次调用multivariate_hypergeom
组合为>>> multivariate_hypergeom.pmf(x=[[8, 4], [3, 1]], m=[[10, 20], [10, 5]], ... n=[12, 4]) array([0.00252072, 0.43956044])
此广播也适用于
cov
,其中输出对象是大小为m.shape[-1]
的方阵。例如:>>> multivariate_hypergeom.cov(m=[[7, 9], [10, 15]], n=[8, 12]) array([[[ 1.05, -1.05], [-1.05, 1.05]], [[ 1.56, -1.56], [-1.56, 1.56]]])
也就是说,
result[0]
等于multivariate_hypergeom.cov(m=[7, 9], n=8)
并且result[1]
等于multivariate_hypergeom.cov(m=[10, 15], n=12)
。或者,可以调用对象(作为函数)来固定 m 和 n 参数,返回 “frozen” 多元超几何随机变量。
>>> rv = multivariate_hypergeom(m=[10, 20], n=12) >>> rv.pmf(x=[8, 4]) 0.0025207176631464523
相关用法
- Python SciPy stats.multivariate_normal用法及代码示例
- Python SciPy stats.multivariate_t用法及代码示例
- Python SciPy stats.multiscale_graphcorr用法及代码示例
- Python SciPy stats.multinomial用法及代码示例
- Python SciPy stats.median_abs_deviation用法及代码示例
- Python SciPy stats.mode用法及代码示例
- Python SciPy stats.monte_carlo_test用法及代码示例
- Python SciPy stats.matrix_normal用法及代码示例
- Python SciPy stats.mood用法及代码示例
- Python SciPy stats.moyal用法及代码示例
- Python SciPy stats.maxwell用法及代码示例
- Python SciPy stats.mvsdist用法及代码示例
- Python SciPy stats.moment用法及代码示例
- Python SciPy stats.mielke用法及代码示例
- Python SciPy stats.median_absolute_deviation用法及代码示例
- Python SciPy stats.median_test用法及代码示例
- Python SciPy stats.mannwhitneyu用法及代码示例
- Python SciPy stats.anderson用法及代码示例
- Python SciPy stats.iqr用法及代码示例
- Python SciPy stats.genpareto用法及代码示例
- Python SciPy stats.skewnorm用法及代码示例
- Python SciPy stats.cosine用法及代码示例
- Python SciPy stats.norminvgauss用法及代码示例
- Python SciPy stats.directional_stats用法及代码示例
- Python SciPy stats.invwishart用法及代码示例
注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.stats.multivariate_hypergeom。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。