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 cov 和 cov_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()