MultivariateNormalQMC#
- класс scipy.stats.qmc.MultivariateNormalQMC(mean, cov=None, *, cov_root=None, inv_transform=True, движок=None, rng=None, seed=None)[источник]#
QMC выборка из многомерного нормального распределения \(N(\mu, \Sigma)\).
- Параметры:
- meanarray_like (d,)
Вектор средних. Где
dявляется размерностью.- covarray_like (d, d), необязательный
Ковариационная матрица. Если опущена, используется cov_root вместо. Если оба cov и cov_root если опущены, используется единичная матрица.
- cov_rootarray_like (d, d'), опционально
Корневое разложение ковариационной матрицы, где
d'может быть меньше чемdесли ковариация не является полного ранга. Если опущено, используется cov.- inv_transformbool, необязательно
Если True, использовать обратное преобразование вместо Бокса-Мюллера. По умолчанию True.
- движокQMCEngine, опционально
Квази-Монте-Карло движок сэмплера. Если None,
Sobolиспользуется.- rng
numpy.random.Generator, опционально Состояние генератора псевдослучайных чисел. Когда rng равно None, новый
numpy.random.Generatorсоздаётся с использованием энтропии из операционной системы. Типы, отличные отnumpy.random.Generatorпередаются вnumpy.random.default_rngдля создания экземпляраGenerator.Изменено в версии 1.15.0: В рамках SPEC-007 переход от использования
numpy.random.RandomStatetonumpy.random.Generator, этот ключевое слово было изменено с seed to rng. В течение переходного периода оба ключевых слова будут продолжать работать, хотя можно указать только одно за раз. После переходного периода вызовы функций с использованием seed ключевое слово будет выдавать предупреждения. После периода устаревания, seed ключевое слово будет удалено.
Методы
random([n])Генерировать n QMC выборки из многомерного нормального распределения.
Примеры
>>> 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()
