scipy.stats.

蒙特卡罗方法

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

蒙特卡罗假设检验的配置信息。

此类实例可以传递到某些假设检验函数的 method 参数中，以执行假设检验的蒙特卡洛版本。

属性:

n_resamplesint, 可选

要抽取的蒙特卡洛样本数量。默认值是 9999。

批处理int, 可选

在每次向量化调用统计量时处理的蒙特卡洛样本数量。当统计量是向量化时，批量大小 >>1 通常会更快，但内存使用量与批量大小成线性关系。默认值是 None，即在一个批次中处理所有样本。

rvs可调用对象或可调用对象元组，可选

一个可调用对象或可调用对象的序列，用于在零假设下生成随机变量。rvs 的每个元素都必须是一个可调用对象，它接受关键字参数 size``（例如 ``rvs(size=(m, n))）并返回该形状的 N 维数组样本。如果 rvs 是一个序列，rvs 中的可调用对象的数量必须与传递给使用 MonteCarloMethod 的假设检验的样本数量匹配。默认值为 None，在这种情况下，假设检验函数会选择值以匹配假设检验的标准版本。例如，scipy.stats.pearsonr 的零假设通常是样本是从标准正态分布中抽取的，因此 rvs = (rng.normal, rng.normal)，其中 rng = np.random.default_rng()。