Python dask.array.random.binomial用法及代碼示例

用法:
dask.array.random.binomial(n, p, size=None, chunks='auto', **kwargs)

從二項分布中抽取樣本。

此文檔字符串是從 numpy.random.mtrand.RandomState.binomial 複製的。

可能存在與 Dask 版本的一些不一致之處。

樣本是從具有指定參數、n 次試驗和 p 成功概率的二項式分布中抽取的，其中 n 是一個整數 >= 0 且 p 在區間 [0,1] 內。 (n 可以作為浮點數輸入，但在使用時會被截斷為整數)

注意

新代碼應改為使用default_rng() 實例的binomial 方法；請參閱快速入門。

參數：

n：int 或數組整數: 分布參數，>= 0。浮點數也被接受，但它們將被截斷為整數。
p：浮點數或類似數組的浮點數: 分布參數，>= 0 和 <=1。
size：int 或整數元組，可選: 輸出形狀。例如，如果給定的形狀是 (m, n, k) ，則繪製 m * n * k 樣本。如果 size 為 None(默認)，如果 n 和 p 都是標量，則返回單個值。否則，將抽取np.broadcast(n, p).size 樣本。

out：ndarray 或標量: 從參數化二項分布中抽取樣本，其中每個樣本等於 n 次試驗的成功次數。

注意：

二項分布的概率密度為

\[P(N) = \binom{n}{N}p^N(1-p)^{n-N},\]

其中\(n\)是試驗次數，\(p\)是成功概率，\(N\)是成功次數。

當使用隨機樣本估計總體比例的標準誤差時，正態分布效果很好，除非乘積 p*n <=5，其中 p = 總體比例估計值，n = 樣本數，在這種情況下取而代之的是二項分布。例如，一個 15 人的樣本顯示 4 個左撇子和 11 個右撇子。那麽 p = 4/15 = 27%。 0.27*15 = 4，所以在這種情況下應該使用二項分布。

參考：

1: Dalgaard, Peter，“R 的介紹性統計”，Springer-Verlag，2002。
2: Glantz, Stanton A. “生物統計學入門”，McGraw-Hill，第五版，2002 年。
3: 倫特納，馬文，“Elementary Applied Statistics”，博格登和奎格利，1972 年。
4: Weisstein, Eric W. “二項分布”。來自MathWorld-A Wolfram Web 資源。http://mathworld.wolfram.com/BinomialDistribution.html
5: 維基百科，“Binomial distribution”，https://en.wikipedia.org/wiki/Binomial_distribution

例子：

從分布中抽取樣本：

>>> 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.

一個真實世界的例子。一家公司鑽了 9 口wild-cat 石油勘探井，每口井的成功概率估計為 0.1。所有九口井都失敗了。這種情況發生的概率是多少？

讓我們對該模型進行 20,000 次試驗，並計算產生零陽性結果的數量。

>>> sum(np.random.binomial(9, 0.1, 20000) == 0)/20000.  
# answer = 0.38885, or 38%.

相關用法

注：本文由純淨天空篩選整理自dask.org大神的英文原創作品 dask.array.random.binomial。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

注意：

參考：

例子：