numpy.random.RandomState.chisquare#

метод

random.RandomState.chisquare(df, размер=None)#

Генерирует выборки из распределения хи-квадрат.

Когда df независимые случайные величины, каждая со стандартным нормальным распределением (среднее 0, дисперсия 1), возводятся в квадрат и суммируются, результирующее распределение является хи-квадрат (см. Примечания). Это распределение часто используется в проверке гипотез.

Примечание

Новый код должен использовать chisquare метод Generator экземпляр вместо; пожалуйста, смотрите Быстрый старт.

Параметры:

dffloat или array_like из float: Число степеней свободы, должно быть > 0.
размерint или кортеж ints, опционально: Форма вывода. Если заданная форма, например, (m, n, k), затем m * n * k образцы извлекаются. Если size равен None (по умолчанию), возвращается единственное значение, если df является скаляром. В противном случае, np.array(df).size выбираются образцы.

Возвращает:

выходndarray или скаляр: Выбранные выборки из параметризованного распределения хи-квадрат.

Вызывает:

ValueError: Когда df <= 0 или когда неподходящий size (например, size=-1) задано.

Смотрите также

random.Generator.chisquare: который следует использовать для нового кода.

Примечания

Переменная, полученная суммированием квадратов df независимые, стандартные нормально распределенные случайные величины:

\[Q = \sum_{i=1}^{\mathtt{df}} X^2_i\]

имеет распределение хи-квадрат, обозначается

\[Q \sim \chi^2_k.\]

Функция плотности вероятности распределения хи-квадрат:

\[p(x) = \frac{(1/2)^{k/2}}{\Gamma(k/2)} x^{k/2 - 1} e^{-x/2},\]

где \(\Gamma\) является гамма-функцией,

\[\Gamma(x) = \int_0^{-\infty} t^{x - 1} e^{-t} dt.\]

Ссылки

[1]

NIST «Справочник по инженерной статистике» https://www.itl.nist.gov/div898/handbook/eda/section3/eda3666.htm

Примеры

>>> np.random.chisquare(2,4)
array([ 1.89920014,  9.00867716,  3.13710533,  5.62318272]) # random