numpy.random.Generator.binomial#
方法
- random.Generator.binomial(n, p, size=None)#
从二项分布中抽取样本。
从具有指定参数的二项分布中抽取样本,n 次试验,成功概率为 p,其中 n 为大于等于 0 的整数,p 在区间 [0,1] 内。(n 可以作为浮点数输入,但在使用时将被截断为整数)
- 参数:
- nint 或类数组的整数
分布参数,>= 0. 也接受浮点数,但它们将被截断为整数。
- pfloat 或类数组的浮点数
分布参数,>= 0 且 <=1。
- sizeint 或 int 元组,可选
输出形状。如果给定的形状为,例如,
(m, n, k)
,则将抽取m * n * k
个样本。如果 size 为None
(默认),如果n
和p
都是标量,则返回单个值。否则,将抽取np.broadcast(n, p).size
个样本。
- 返回值:
- outndarray 或标量
从参数化的二项分布中抽取的样本,其中每个样本等于 n 次试验中的成功次数。
参见
scipy.stats.binom
概率密度函数、分布或累积密度函数等。
备注
二项分布的概率密度为
\[P(N) = \binom{n}{N}p^N(1-p)^{n-N},\]其中 \(n\) 是试验次数,\(p\) 是成功的概率,\(N\) 是成功的次数。
当使用随机样本估计总体比例的标准误差时,正态分布效果很好,除非 p*n <=5,其中 p = 总体比例估计值,n = 样本数量,在这种情况下,改为使用二项分布。例如,一个 15 人的样本显示 4 个人是左撇子,11 个人是右撇子。然后 p = 4/15 = 27%。0.27*15 = 4,所以这种情况应该使用二项分布。
参考文献
[1]Dalgaard, Peter, “Introductory Statistics with R”, Springer-Verlag, 2002。
[2]Glantz, Stanton A. “Primer of Biostatistics.”, McGraw-Hill, 第五版,2002。
[3]Lentner, Marvin, “Elementary Applied Statistics”, Bogden and Quigley, 1972。
[4]Weisstein, Eric W. “Binomial Distribution.” 来自 MathWorld - Wolfram Web 资源。 https://mathworld.wolfram.com/BinomialDistribution.html
[5]Wikipedia, “Binomial distribution”, https://en.wikipedia.org/wiki/Binomial_distribution
示例
从分布中抽取样本
>>> rng = np.random.default_rng() >>> n, p, size = 10, .5, 10000 >>> s = rng.binomial(n, p, 10000)
假设一家公司钻了 9 口野猫油气勘探井,每口井的估计成功概率为
p=0.1
。这 9 口井全部失败。这种情况下发生的概率是多少?在
size = 20,000
次试验中,这种情况发生的概率平均为>>> n, p, size = 9, 0.1, 20000 >>> np.sum(rng.binomial(n=n, p=p, size=size) == 0)/size 0.39015 # may vary
以下可以用来可视化一个具有
n=100
、p=0.4
的样本及其相应的概率密度函数>>> import matplotlib.pyplot as plt >>> from scipy.stats import binom >>> n, p, size = 100, 0.4, 10000 >>> sample = rng.binomial(n, p, size=size) >>> count, bins, _ = plt.hist(sample, 30, density=True) >>> x = np.arange(n) >>> y = binom.pmf(x, n, p) >>> plt.plot(x, y, linewidth=2, color='r')