当被调用时，np.random.multinomial和其他采样函数根据所选的概率分布给出一定数量的独立采样。例如，>
np.random.multinomial(20, [1/6.]*6, size=2)
代表掷骰20次，然后再掷20次。
但是，如果您连续拨打np.random.multinomial(1, [1/6.]*6, size=1)一千次会怎样？我能否获得一千个独立的模具卷，即np.random.multinomial是否可以保证独立的样本并确保连续调用之间的正确分布？从经验上看，呼叫之间似乎存在一些重大关联。每次通话前重设np.random.RandomState更好吗？这似乎以某种方式是错误的。
当被调用时，np.random。多项式和其他采样函数根据所选的概率分布给出一定数量的独立样本。例如，np.random.multinomial（20，[1/6。] * ...
无论如何，您可以先从multinoulli (categorical) distribution进行采样，然后尝试将其相加，然后尝试做20次（或N卷）。
沿线（Python 3.7，x64，Anaconda Windows 10）