Python numpy random.multinomial用法及代碼示例

本文簡要介紹 python 語言中 numpy.random.multinomial 的用法。

用法:

random.multinomial(n, pvals, size=None)

從多項分布中抽取樣本。

多項分布是二項分布的多元推廣。使用其中之一進行實驗p可能的結果。此類實驗的一個示例是擲骰子，其結果可以是 1 到 6。從分布中抽取的每個樣本代表n這樣的實驗。它的值，X_i = [X_0, X_1, ..., X_p], 代表結果出現的次數i.

注意

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

參數：

n： int

實驗次數。

pvals： 浮點數序列，長度 p

每個p 不同結果的概率。這些總和必須為 1(但是，始終假定最後一個元素解釋剩餘概率，隻要 sum(pvals[:-1]) <= 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。默認為無，在這種情況下返回單個值。

返回：

out： ndarray

繪製的樣本，形狀尺寸，如果提供的話。如果不是，形狀是(N,).

換句話說，每個條目out[i,j,...,:] 是從分布中提取的 N 維值。

例子：

擲骰子 20 次：

>>> np.random.multinomial(20, [1/6.]*6, size=1)
array([[4, 1, 7, 5, 2, 1]]) # random

它在 1 上降落 4 次，在 2 上降落一次，依此類推。

現在，擲骰子 20 次，再擲 20 次：

>>> np.random.multinomial(20, [1/6.]*6, size=2)
array([[3, 4, 3, 3, 4, 3], # random
       [2, 4, 3, 4, 0, 7]])

第一次運行時，我們投擲了 3 次 1、4 次 2 等。第二次，我們投擲了 2 次 1、4 次 2 等。

裝滿骰子的骰子更有可能落在 6 號上：

>>> np.random.multinomial(100, [1/7.]*5 + [2/7.])
array([11, 16, 14, 17, 16, 26]) # random

概率輸入應該歸一化。作為一個實現細節，最後一個條目的值被忽略並假定占據任何剩餘的概率質量，但這不應該被依賴。一個有偏差的硬幣，其一側的重量是另一側的兩倍，應該像這樣采樣：

>>> np.random.multinomial(100, [1.0 / 3, 2.0 / 3])  # RIGHT
array([38, 62]) # random

不喜歡：

>>> np.random.multinomial(100, [1.0, 2.0])  # WRONG
Traceback (most recent call last):
ValueError: pvals < 0, pvals > 1 or pvals contains NaNs