Python 多次调用np.random.multi多项式的行为是什么？

调用时，

np.random.multinomial

和其他采样函数从所选概率分布中给出一定数量的独立样本。比如说,

np.随机.多项式（20[1/6.]*6，大小=2）

表示掷骰子20次，然后再掷骰子20次

---

然而，如果你连续一千次调用

np.random.multinomial（1[1/6.]*6，size=1）

？我会得到一千个独立的骰子卷吗，也就是说，

np.random.多项式

是否保证独立样本和连续调用之间的正确分布？从经验上看，电话之间似乎存在着一些显著的相关性。每次通话前重置

np.random.RandomState

是否更好？这似乎有点错误。

无论如何，你可以尝试从第一个样本中抽取20个（或任意N个卷），然后对结果求和

沿途（Python 3.7、x64、Anaconda Windows 10）

上面用My多项式（20,6*[1./6.]）调用的代码将返回一个20掷骰子的采样向量。您可以将结果与调用

np.random.multinomial（20,6*[1./6.]）

进行比较，我的快速测试显示没有统计差异

您也可以通过

choice（）

进行采样，也可以对其进行测试（可能可以更快地进行矢量化）

---

无论如何，你们可以试着做20次（或任意N次），从第一个样本中取样，然后对结果求和

沿途（Python 3.7、x64、Anaconda Windows 10）

上面用My多项式（20,6*[1./6.]）调用的代码将返回一个20掷骰子的采样向量。您可以将结果与调用

np.random.multinomial（20,6*[1./6.]）

进行比较，我的快速测试显示没有统计差异

您也可以通过

choice（）

进行采样，也可以对其进行测试（可能可以更快地进行矢量化）

---

不知道问题出在哪里。所以你想用n=1的多项式，用multinoulli（又名分类）对多项式分布进行抽样？你也可以通过np.choice来取样multinoulli。你能展示一下导致相关性结论的代码和数据吗？展示一下你是如何确定你所说的相关性的。不幸的是，这只是轶事证据。一旦我进行了更系统的分析，似乎连续的调用是独立的。要确认，在多次使用这些函数时，不需要多次设置种子，对吗？不确定问题出在哪里。所以你想用n=1的多项式，用multinoulli（又名分类）对多项式分布进行抽样？你也可以通过np.choice来取样multinoulli。你能展示一下导致相关性结论的代码和数据吗？展示一下你是如何确定你所说的相关性的。不幸的是，这只是轶事证据。一旦我进行了更系统的分析，似乎连续的调用是独立的。要确认，在多次使用这些函数时，无需多次设置种子，对吗？

import numpy as np

def mymultinomial(n: int, p):
    """Hand made multinomial"""

    q = np.random.multinomial(1, p, size=n)

    return np.sum(q, axis=0)

def mymultinomial(n: int, p):
    """Hand made multinomial, choice"""

    r = np.zeros(len(p), dtype = np.int64)
    for _ in range(0, n):
        q = np.random.choice(len(p), size=1, replace=True, p=p)
        r[q] += 1

    return r