numpy.random.multinomial#

random.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。这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 次这样的实验。它的值 X_i = [X_0, X_1, ..., X_p]，表示结果为 i 的次数。

注意

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

警告

此函数默认为 C-long 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: p 种不同结果各自的概率。这些概率必须总和为 1（然而，最后一个元素总是被假定为占据所有剩余的概率质量，只要 sum(pvals[:-1]) <= 1)。
sizeint 或 int 元组，可选: 输出形状。如果给定形状是例如 (m, n, k)，则会抽取 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，则为该形状。否则，形状为 (N,)。

换句话说，每个条目 out[i,j,...,:] 都是从分布中抽取的一个 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

结果是 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]])

第一次运行时，1 出现了 3 次，2 出现了 4 次，以此类推。第二次运行时，1 出现了 2 次，2 出现了 4 次，以此类推。

一个加权骰子更有可能落在数字 6 上

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

概率输入应进行归一化。作为实现细节，最后一个条目的值会被忽略，并被假定为占据所有剩余的概率质量，但这不应被依赖。一个偏斜的硬币，如果一面比另一面重两倍，应这样采样：

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

而不是这样

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