scipy.stats.sampling.NumericalInversePolynomial.

qrvs

NumericalInversePolynomial.qrvs(размер=None, d=None, qmc_engine=None)

Квазислучайные величины заданной случайной величины.

The qmc_engine используется для генерации равномерных квазислучайных величин, и они преобразуются в квазислучайные величины заданного распределения с использованием обратного преобразования выборки.

Параметры:

размерint, кортеж int или None; опционально

Определяет форму массива случайных величин. По умолчанию None.

dint или None, опционально

Определяет размерность равномерных квазислучайных величин для преобразования. По умолчанию None.

qmc_enginescipy.stats.qmc.QMCEngine(d=1), опционально

Определяет объект для использования при рисовании квазислучайных величин. По умолчанию None, который использует scipy.stats.qmc.Halton(1).

Возвращает:

rvsndarray или скаляр

Квазислучайные величины. См. примечания для информации о форме.

Примечания

Форма выходного массива зависит от размер, d, и qmc_engine. Цель состоит в том, чтобы интерфейс был естественным, но детальные правила для достижения этого сложны.

• Если qmc_engine является None, a scipy.stats.qmc.Halton экземпляр создаётся с размерностью d. Если d не предоставлен, d=1.

• Если qmc_engine не является None и d является None, d определяется из размерности qmc_engine.

• Если qmc_engine не является None и d не является None но размерности несовместимы, a ValueError вызывается исключение.

• После d определяется согласно правилам выше, форма выходных данных tuple_shape + d_shape, где:

  • tuple_shape = tuple() if размер является None,

  • tuple_shape = (size,) if размер является int,

  • tuple_shape = size if размер является последовательностью,

  • d_shape = tuple() if d является None или d равно 1, и

  • d_shape = (d,) if d больше 1.

Элементы возвращаемого массива являются частью последовательности с низкой дискрепантностью. Если d равно 1, это означает, что ни одна из выборок не является по-настоящему независимой. Если d > 1, каждый срез rvs[..., i] будет квазинезависимой последовательностью; см. scipy.stats.qmc.QMCEngine для подробностей. Обратите внимание, что когда d > 1, возвращаемые выборки всё равно принадлежат предоставленному одномерному распределению, а не многомерному обобщению этого распределения.