scipy.stats.

MonteCarloMethod

class scipy.stats.MonteCarloMethod(n_resamples=9999, batch=None, rvs=None, rng=None)

蒙地卡羅假設檢定的組態資訊。

這個類別的實例可以傳遞到某些假設檢定函數的 method 參數中，以執行蒙地卡羅版本的假設檢定。

屬性:

n_resamplesint，選用

要繪製的蒙地卡羅樣本數。預設值為 9999。

batchint，選用

在每次向量化呼叫統計量時要處理的蒙地卡羅樣本數。當統計量被向量化時，批次大小 >> 1 往往會更快，但記憶體使用量會隨著批次大小線性擴展。預設值為 None，這會在單一批次中處理所有樣本。

rvs可呼叫物件或可呼叫物件的元組，選用

在虛無假設下生成隨機變數的可呼叫物件或序列。 rvs 的每個元素都必須是一個可呼叫物件，它接受關鍵字引數 size (例如 rvs(size=(m, n))) 並傳回該形狀的 N 維陣列樣本。 如果 rvs 是一個序列，則 rvs 中的可呼叫物件數量必須與傳遞到 MonteCarloMethod 使用的假設檢定中的樣本數相符。預設值為 None，在這種情況下，假設檢定函數會選擇與標準版本假設檢定相符的值。例如，scipy.stats.pearsonr 的虛無假設通常是樣本取自標準常態分佈，因此 rvs = (rng.normal, rng.normal)，其中 rng = np.random.default_rng()。

rngnumpy.random.Generator，選用

虛擬隨機數生成器狀態。當 rng 為 None 時，會使用來自作業系統的熵建立新的 numpy.random.Generator。 除了 numpy.random.Generator 以外的類型會傳遞到 numpy.random.default_rng 以實例化 Generator。