numpy.random .Statistics统计实战指南

一份实用 numpy.random 统计指南，覆盖随机生成器、概率分布、模拟、抽样、收敛、相关性和 Bootstrap。

使用 Generator 对象和可复现随机流，避免隐藏的全局状态。
把分布参数与假设、期望、方差和观测数据联系起来。
使用清晰单位和诊断设计 Monte Carlo 与重采样实验。
负责任地解释随机性、不确定性、收敛性、依赖性和可复现性。

示例均为独立代码片段，可复制到 Python 3 环境中运行。

1. 随机生成器、种子与统计含义

NumPy 的现代随机 API 以 Generator 对象为核心。Generator 把位生成器和分布方法结合起来，使随机状态明确可见。种子初始化一个可复现的随机流；但使用相同种子并不意味着不同实验在统计上彼此独立。

|-------------------|----------------|-----------------|
| 对象或方法 | 用途 | 推荐用法 |
| default_rng(seed) | 创建现代 Generator | 每个实验使用局部生成器 |
| rng.random | [0, 1) 上的均匀值 | 概率和单位正方形采样 |
| rng.integers | 离散均匀整数 | 索引、类别和随机选择 |
| rng.choice | 抽样或重采样 | Bootstrap 和分类抽样 |
| rng.permutation | 随机重排 | 不放回打乱 |
| rng.shuffle | 原地打乱数组 | 只在明确需要修改时使用 |

import numpy as np

rng = np.random.default_rng(2026)
a = rng.normal(loc=10.0, scale=2.0, size=5)
b = rng.integers(0, 10, size=5)
print(a)
print(b)

重新创建生成器会重现随机流

same_rng = np.random.default_rng(2026)
assert np.allclose(a, same_rng.normal(10.0, 2.0, size=5))

可复现不只是种子

记录种子、NumPy 版本、生成器类型、分布参数、样本量和随机调用顺序。
可复用库或测试中不要依赖隐式全局随机状态。
并行模拟需要独立随机流时，应使用独立或派生的生成器。
结果可复现并不代表实验无偏或模型正确；重复性不是有效性的同义词。

2. 分布、参数、矩与抽样

随机分布编码关于可能取值及出现频率的假设。NumPy 可以从多种常见连续和离散分布中抽样。参数应通过期望、方差、支持范围和实际生成机制解释，而不能只因为直方图看起来方便就选择某个分布。

图 1：正态、均匀和指数分布表达不同形状与假设。

rng = np.random.default_rng(2026)

normal = rng.normal(loc=50.0, scale=8.0, size=10_000)
uniform = rng.uniform(low=0.0, high=1.0, size=10_000)
exponential = rng.exponential(scale=3.0, size=10_000)
poisson = rng.poisson(lam=4.0, size=10_000)

for name, values in $("normal", normal), ("uniform", uniform), ("exponential", exponential), ("poisson", poisson)$ :
print(name, values.mean(), values.var())

|-------------|-----------------|--------------|
| 分布 | 参数 | 常见解释 |
| normal | loc、scale | 对称测量噪声或聚合效应 |
| uniform | low、high | 有界区间内等可能 |
| exponential | scale | 恒定风险假设下的等待时间 |
| binomial | n、p | n 次试验中的成功次数 |
| poisson | lam | 曝光区间中的计数 |
| lognormal | 对数值的 mean、sigma | 正值乘法量 |

矩与样本估计

理论矩描述分布；样本矩会围绕理论值波动。描述样本时通常使用 ddof=1 的样本方差，并明确区分模拟汇总中的总体式统计与推断中的样本估计。

3. 大数定律与中心极限定理直觉

在适当条件下，大数定律说明独立观测的平均值会随着样本增加趋近于期望值。中心极限定理解释了为什么即使原始分布不是正态，标准化的和或样本均值也常常趋近于正态形状。

图 2：随着独立样本累积，运行估计通常趋于稳定。

图 3：越来越大的指数分布样本均值更集中，也更接近钟形。

rng = np.random.default_rng(2026)
values = rng.exponential(scale=2.0, size=50_000)
running_mean = np.cumsum(values) / np.arange(1, values.size + 1)

for n in $10, 100, 1_000, 10_000, 50_000$ :
print(n, running_mean $n - 1$ )
print("theoretical mean:", 2.0)

|----------------|------------------|-------------|
| 思想 | n 增加时的变化 | 不会改变的内容 |
| 大数定律 | 样本平均更稳定 | 分布的期望 |
| 中心极限定理 | 均值的标准化形状趋近正态 | 有限样本的偏态可能保留 |
| 标准误 | 通常按 1/sqrt(n) 下降 | 依赖性可能改变速度 |
| Monte Carlo 误差 | 估计方差随样本增加降低 | 错误模拟模型带来的偏差 |

依赖性很重要

上述收敛直觉通常假设观测独立或只有合适的弱依赖。自相关、聚类、自适应抽样或反复使用同一随机值，都可能让名义样本量高估实际信息量。

4. Monte Carlo 积分、概率与随机游走

Monte Carlo 方法通过随机抽样估计目标量。对于均匀采样的区域，可以用落入区域的点比例估计面积；对于期望，可以用模拟值的平均估计。Monte Carlo 很灵活，但通常收敛较慢，因此应在模拟前声明精度要求。

图 4：通过单位圆内点的比例估计 π。

图 5：相同规则的随机游走也可能产生差异很大的路径。

rng = np.random.default_rng(2026)

用模拟平均估计 E $g(X)$

x = rng.normal(loc=0.0, scale=1.0, size=1_000_000)
estimate = np.mean(np.exp(-0.5 * x**2))
standard_error = np.std(np.exp(-0.5 * x**2), ddof=1) / np.sqrt(x.size)
print(estimate, standard_error)

随机游走路径

steps = rng.choice( $-1, 1$ , size=(100, 500))
paths = np.cumsum(steps, axis=1)

|--------------------|---------------|--------------|
| Monte Carlo 组成 | 问题 | 实践 |
| 目标量 | 估计什么期望、概率或积分？ | 先用数学形式写出 |
| 提议/采样器 | 点如何生成？ | 检查支持范围和权重 |
| 估计量 | 如何从样本计算结果？ | 说明偏差和方差行为 |
| 误差估计 | 模拟有多不确定？ | 使用重复运行或标准误逻辑 |
| 停止规则 | 何时达到足够精度？ | 设置容差或样本预算 |

Monte Carlo 注意事项

再多的抽样也不能纠正错误目标、有偏采样器、错误单位转换或被忽略的依赖性。应绘制运行估计，并在可能时与已知解析值比较。

5. 多元抽样、协方差与依赖性

随机变量可以联合模拟。协方差描述线性共同变化，相关系数则用边际尺度标准化协方差。多元正态模型的协方差矩阵必须是对称半正定的；实际工作中数值舍入可能需要轻微修正。

图 6：多元正态生成器可以产生相关观测。

rng = np.random.default_rng(2026)
mean = np.array( $10.0, 20.0$ )
covariance = np.array( $\[4.0, 2.4$ , $2.4, 9.0$ ])
sample = rng.multivariate_normal(mean, covariance, size=5000)

sample_covariance = np.cov(sample, rowvar=False, ddof=1)
sample_correlation = np.corrcoef(sample, rowvar=False)
print(sample.mean(axis=0))
print(sample_covariance)
print(sample_correlation)

|-------|-------------------|------------|
| 量 | 公式思想 | 含义 |
| 协方差 | E $(X-μX)(Y-μY)$ | 原始单位下的共同变化 |
| 相关系数 | cov(X,Y)/(σXσY) | 无量纲线性依赖 |
| 协方差矩阵 | 成对协方差组成的矩阵 | 联合离散程度和方向 |
| 边际分布 | 单个分量的分布 | 忽略其他变量后的行为 |
| 联合分布 | 所有分量的共同分布 | 依赖性和边际分布 |

6. Bootstrap、置换与抽样设计

Bootstrap 通过有放回地重复抽取观测，近似统计量的抽样分布。置换方法在零假设的可交换性条件下重新分配标签或数值。两者都很有用，但重采样单位必须与研究设计一致。

图 7：Bootstrap 中位数形成用于不确定性分析的经验分布。

rng = np.random.default_rng(2026)
sample = np.array( $11.2, 12.4, 9.8, 13.1, 10.7, 12.0, 11.6$ )

statistics = np.array( $np.median(rng.choice(sample, size=sample.size, replace=True)) for _ in range(10_000)$ )
interval = np.quantile(statistics, $0.025, 0.975$ )
print("observed:", np.median(sample))
print("percentile interval:", interval)

|-------------|-------------|------------|
| 方法 | 重采样规则 | 适合对齐 |
| Bootstrap | 有放回地抽取观测 | 估计量的抽样不确定性 |
| Permutation | 在零假设下重新分配标签 | 基于随机化的零分布 |
| Jackknife | 每次去掉一个观测 | 影响度和近似方差 |
| 分层抽样 | 在组内抽样 | 保持子组代表性 |
| 区块抽样 | 抽取连续或成组单位 | 处理依赖和时间结构 |

Bootstrap 的限制

普通 Bootstrap 可能不适用于相关时间序列、聚类观测、边界参数或极小样本。数据生成过程需要时，应使用区块、聚类、分层或基于模型的设计。

7. 统计验证与可复现模拟检查表

随机模拟应被视为计算实验。运行前定义目标、假设、生成器、样本量、估计量、诊断和不确定性。应在干净环境中重现结果，并测试简单的极限情况。

|---------|-------------------------|-----------------|
| 检查项 | 问题 | 行动 |
| 生成器 | 随机状态是否明确且可复现？ | 创建并记录 Generator |
| 分布 | 支持范围和参数是否符合模型？ | 检查边界、矩和图形 |
| 独立性 | 抽样或重采样单位是否独立？ | 合理使用随机流或区块 |
| 样本量 | Monte Carlo 或抽样误差是否可接受？ | 估计标准误并重复运行 |
| 估计量 | 样本如何映射到结果？ | 写出公式和单位 |
| 验证 | 是否有已知值或不变量？ | 进行比较和往返检查 |
| 报告 | 他人能否重新生成？ | 保存种子、版本、参数和代码 |

可复现模拟摘要

rng = np.random.default_rng(2026)
sample = rng.normal(loc=5.0, scale=2.0, size=100_000)
summary = {
"seed": 2026,
"distribution": "normal",
"loc": 5.0,
"scale": 2.0,
"n": sample.size,
"sample_mean": float(sample.mean()),
"sample_std_ddof1": float(sample.std(ddof=1)),
"standard_error": float(sample.std(ddof=1) / np.sqrt(sample.size)),
}
print(summary)

numpy.random 统计最终检查表

使用 default_rng，并记录种子、生成器、参数和调用顺序。
根据建模量的机制和支持范围选择分布。
区分理论矩、有限样本估计和 Monte Carlo 误差。
使重采样和抽样设计匹配独立性、聚类和时间结构。

使用已知结果、收敛图、不确定性估计和独立重复进行验证。

[人工智能]Python09:numpy.random.Statistics统计实战指南

1. 随机生成器、种子与统计含义