scipy.stats.随机表#

scipy.stats.random_table = <scipy.stats._multivariate.random_table_gen object>[源代码]#

独立样本的列联表，具有固定的边际和。

这是具有给定行和列向量和的随机表的分布。该分布表示在行和列独立的零假设下的随机表集合。它用于独立性假设检验。

由于假设的独立性，每个表格元素的期望频率可以从行和列的总和计算得出，因此分布完全由这两个向量决定。

参数:
行array_like

每行表格条目的总和。

colarray_like

每列表格条目的总和。

种子{None, int, np.random.RandomState, np.random.Generator}, 可选

用于绘制随机变量。如果 seed 是 None，则使用 RandomState 单例。如果 seed 是整数，则使用新的 RandomState 实例，并以 seed 为种子。如果 seed 已经是 RandomState 或 Generator 实例，则使用该对象。默认值为 None。

方法

logpmf(x)

表 x 在分布中出现的对数概率。

pmf(x)

表 x 在分布中出现的概率。

mean(行, 列)

平均表。

rvs(row, col, size=None, method=None, random_state=None)

根据给定的行和列向量和绘制随机表格。

注释

行向量和列向量必须是一维的，非空的，并且它们的和必须相等。它们不能包含负数或非整数项。

分布中的随机元素可以通过 Boyett 的 [1] 或 Patefield 的算法 [2] 生成。Boyett 的算法具有 O(N) 的时间和空间复杂度，其中 N 是表中条目的总和。Patefield 的算法具有 O(K x log(N)) 的时间复杂度，其中 K 是表中的单元格数量，并且只需要一个小的常量工作空间。默认情况下，rvs 方法根据输入选择最快的算法，但您可以使用关键字 method 指定算法。允许的值为 “boyett” 和 “patefield”。

Added in version 1.10.0.

参考文献

[1]

  1. Boyett, AS 144 Appl. Statist. 28 (1979) 329-332

[2]

W.M. Patefield, AS 159 Appl. Statist. 30 (1981) 91-97

示例

>>> from scipy.stats import random_table

>>> row = [1, 5]
>>> col = [2, 3, 1]
>>> random_table.mean(row, col)
array([[0.33333333, 0.5       , 0.16666667],
       [1.66666667, 2.5       , 0.83333333]])

或者，可以通过调用对象（作为函数）来固定行和列向量的和，返回一个“冻结”的分布。

>>> dist = random_table(row, col)
>>> dist.rvs(random_state=123)
array([[1., 0., 0.],
       [1., 3., 1.]])
On this page