numpy.random.RandomState.multinomial#

方法

random.RandomState.multinomial(n, pvals, size=None)#

从多项式分布中抽取样本。

多项式分布是二项式分布的多元推广。考虑一个有 p 种可能结果的实验。此类实验的一个例子是掷骰子，结果可以是 1 到 6。从分布中抽取的每个样本代表 n 次此类实验。其值 X_i = [X_0, X_1, ..., X_p] 表示结果为 i 的次数。

注意

新代码应使用 Generator 实例的 multinomial 方法；请参阅快速入门。

警告

此函数默认使用 C-long 数据类型 (dtype)，在 Windows 上为 32 位，在 64 位平台上为 64 位（在 32 位平台上为 32 位）。自 NumPy 2.0 起，NumPy 的默认整数在 32 位平台上为 32 位，在 64 位平台上为 64 位。

参数:

nint: 实验次数。
pvals浮点数序列，长度 p: 每个 p 种不同结果的概率。这些概率的总和必须为 1（然而，只要 sum(pvals[:-1]) <= 1)，最后一个元素总是假定用于弥补剩余的概率）。
sizeint 或 int 元组，可选: 输出形状。如果给定形状为例如 (m, n, k)，则抽取 m * n * k 个样本。默认为 None，此时返回单个值。

返回:

outndarray

抽取的样本，如果提供了 size，则形状为 size。否则，形状为 (N,)。

换句话说，每个条目 out[i,j,...,:] 是从分布中抽取的 N 维值。

另请参阅

示例

掷骰子 20 次

>>> np.random.multinomial(20, [1/6.]*6, size=1)
array([[4, 1, 7, 5, 2, 1]]) # random

其中 1 出现 4 次，2 出现 1 次，以此类推。

现在，掷骰子 20 次，然后再掷 20 次

>>> np.random.multinomial(20, [1/6.]*6, size=2)
array([[3, 4, 3, 3, 4, 3], # random
       [2, 4, 3, 4, 0, 7]])

第一次运行，我们掷出 3 次 1，4 次 2，等等。第二次运行，我们掷出 2 次 1，4 次 2，等等。

作弊的骰子更有可能停在数字 6 上

>>> np.random.multinomial(100, [1/7.]*5 + [2/7.])
array([11, 16, 14, 17, 16, 26]) # random

概率输入应该被归一化。作为实现细节，最后一个条目的值会被忽略，并假定它会占据任何剩余的概率质量，但不应依赖此行为。一个一面重量是另一面两倍的偏重硬币应该像这样采样

>>> np.random.multinomial(100, [1.0 / 3, 2.0 / 3])  # RIGHT
array([38, 62]) # random

而不是

>>> np.random.multinomial(100, [1.0, 2.0])  # WRONG
Traceback (most recent call last):
ValueError: pvals < 0, pvals > 1 or pvals contains NaNs