scipy.stats.qmc.

update_discrepancy#

scipy.stats.qmc.update_discrepancy(x_new, sample, initial_disc)[Quelle]#

Aktualisiert die zentrierte Diskrepanz mit einem neuen Sample.

Parameter:

x_newarray_like (1, d): Das neue Sample, das zu sample hinzugefügt werden soll.
samplearray_like (n, d): Das initiale Sample.
initial_discfloat: Zentrierte Diskrepanz des sample.

Rückgabe:

discrepancyfloat: Zentrierte Diskrepanz des Samples, das aus x_new und sample besteht.

Beispiele

Wir können die Diskrepanz auch iterativ mit iterative=True berechnen.

>>> import numpy as np
>>> from scipy.stats import qmc
>>> space = np.array([[1, 3], [2, 6], [3, 2], [4, 5], [5, 1], [6, 4]])
>>> l_bounds = [0.5, 0.5]
>>> u_bounds = [6.5, 6.5]
>>> space = qmc.scale(space, l_bounds, u_bounds, reverse=True)
>>> disc_init = qmc.discrepancy(space[:-1], iterative=True)
>>> disc_init
0.04769081147119336
>>> qmc.update_discrepancy(space[-1], space[:-1], disc_init)
0.008142039609053513