scipy.stats.

MonteCarloMethod#

class scipy.stats.MonteCarloMethod(n_resamples=9999, batch=None, rvs=None, rng=None)[Quellcode]#

Konfigurationsinformationen für einen Monte-Carlo-Hypothesentest.

Instanzen dieser Klasse können dem Parameter method einiger Hypothesentestfunktionen übergeben werden, um eine Monte-Carlo-Version der Hypothesentests durchzuführen.

Attribute:

n_resamplesint, optional: Die Anzahl der zu ziehenden Monte-Carlo-Stichproben. Standard ist 9999.
batchint, optional: Die Anzahl der Monte-Carlo-Stichproben, die in jedem vektorisierten Aufruf der Statistik verarbeitet werden. Batch-Größen von >>1 sind tendenziell schneller, wenn die Statistik vektorisiert ist, aber der Speicherverbrauch skaliert linear mit der Batch-Größe. Standard ist None, was bedeutet, dass alle Stichproben in einem einzigen Batch verarbeitet werden.
rvscallable oder Tupel von callables, optional: Ein callable oder eine Sequenz von callables, die Zufallsvariablen unter der Nullhypothese erzeugt. Jedes Element von rvs muss ein callable sein, das das Schlüsselwortargument size akzeptiert (z.B. rvs(size=(m, n))) und eine N-dimensionale Array-Stichprobe dieser Form zurückgibt. Wenn rvs eine Sequenz ist, muss die Anzahl der callables in rvs der Anzahl der Stichproben entsprechen, die dem Hypothesentest übergeben werden, in dem MonteCarloMethod verwendet wird. Standard ist None, in diesem Fall wählt die Hypothesentestfunktion Werte aus, die der Standardversion des Hypothesentests entsprechen. Zum Beispiel ist die Nullhypothese von scipy.stats.pearsonr typischerweise, dass die Stichproben aus der Standardnormalverteilung gezogen werden, also rvs = (rng.normal, rng.normal), wobei rng = np.random.default_rng().
rngnumpy.random.Generator, optional: Zustand des Pseudozufallszahlengenerators. Wenn rng None ist, wird ein neuer numpy.random.Generator mithilfe von Entropie des Betriebssystems erstellt. Typen außer numpy.random.Generator werden an numpy.random.default_rng übergeben, um einen Generator zu instanziieren.