numpy.random.f#

random.f(dfnum, dfden, size=None)#

从 F 分布中抽取样本。

样本从具有指定参数的 F 分布中抽取，dfnum（分子自由度）和 dfden（分母自由度），其中两个参数都必须大于零。

F 分布（也称为费舍尔分布）的随机变量是一种连续概率分布，它出现在 ANOVA 测试中，并且是两个卡方变量的比率。

注意

新代码应使用 f 方法，该方法是 Generator 实例的；请参阅快速入门。

参数:

dfnum浮点数或浮点数数组: 分子自由度，必须 > 0。
dfden浮点数或浮点数数组: 分母自由度，必须 > 0。
size整数或整数元组，可选: 输出形状。如果给定形状为，例如，(m, n, k)，则抽取 m * n * k 个样本。如果 size 为 None（默认），则如果 dfnum 和 dfden 均为标量，则返回单个值。否则，抽取 np.broadcast(dfnum, dfden).size 个样本。

返回:

另请参阅

说明

F 统计量用于比较组内方差和组间方差。分布的计算取决于抽样，因此它是问题中各自自由度的函数。变量 dfnum 是样本数减一，组间自由度，而 dfden 是组内自由度，是每个组中样本数减去组数的总和。

参考文献

[1]

Glantz, Stanton A. “生物统计学入门”，McGraw-Hill，第五版，2002 年。

[2]

示例

来自 Glantz[1] 的示例，第 47-40 页

两组，糖尿病患者的子女（25 人）和非糖尿病患者的子女（25 名对照）。测量空腹血糖，病例组的平均值为 86.1，对照组的平均值为 82.2。标准差分别为 2.09 和 2.49。这些数据是否与父母糖尿病状态不影响其子女血糖水平的零假设一致？从数据计算出的 F 统计量的值为 36.01。

从分布中抽取样本

>>> dfnum = 1. # between group degrees of freedom
>>> dfden = 48. # within groups degrees of freedom
>>> s = np.random.f(dfnum, dfden, 1000)

样本前 1% 的下限是

>>> np.sort(s)[-10]
7.61988120985 # random

因此，F 统计量超过 7.62 的概率约为 1%，测量值为 36，因此在 1% 的水平上拒绝零假设。