scipy.stats.qmc.

多元正态QMC#

class scipy.stats.qmc.MultivariateNormalQMC(mean, cov=None, *, cov_root=None, inv_transform=True, engine=None, seed=None)[源代码][源代码]#

从多元正态分布 \(N(\mu, \Sigma)\) 进行QMC采样。

参数:
平均类数组 (d,)

均值向量。其中 d 是维度。

covarray_like (d, d), 可选

协方差矩阵。如果省略,则使用 cov_root 代替。如果 covcov_root 都省略,则使用单位矩阵。

cov_rootarray_like (d, d’), 可选

协方差矩阵的根分解,其中 d' 可能小于 d 如果协方差不是满秩的。如果省略,使用 cov

inv_transformbool, 可选

如果为 True,则使用逆变换而不是 Box-Muller 方法。默认为 True。

引擎QMCEngine, 可选

准蒙特卡罗引擎采样器。如果为 None,则使用 Sobol

种子 : {None, int, numpy.random.Generator}, 可选{None, int,}

仅在 engine 为 None 时使用。如果 seed 是 int 或 None,则使用 np.random.default_rng(seed) 创建一个新的 numpy.random.Generator。如果 seed 已经是 Generator 实例,则使用提供的实例。

方法

random([n])

从多元正态分布中抽取 n 个 QMC 样本。

示例

>>> import matplotlib.pyplot as plt
>>> from scipy.stats import qmc
>>> dist = qmc.MultivariateNormalQMC(mean=[0, 5], cov=[[1, 0], [0, 1]])
>>> sample = dist.random(512)
>>> _ = plt.scatter(sample[:, 0], sample[:, 1])
>>> plt.show()
../../_images/scipy-stats-qmc-MultivariateNormalQMC-1.png