numpy.random.chisquare#

random.chisquare(df, size=None)#

从卡方分布中抽取样本。

当 df 个独立的随机变量（每个都服从标准正态分布，即均值 0，方差 1）被平方并求和时，得到的分布就是卡方分布（参见“说明”）。此分布常用于假设检验。

注意

新代码应改用 Generator 实例的 chisquare 方法；请参阅快速入门。

参数:

df浮点数或浮点数数组: 自由度，必须大于 0。
size整数或整数元组，可选: 输出形状。如果给定形状是例如 (m, n, k)，则会抽取 m * n * k 个样本。如果 size 为 None (默认值)，则当 df 是标量时返回单个值。否则，将抽取 np.array(df).size 个样本。

返回:

抛出:

另请参阅

说明

通过对 df 个独立的、服从标准正态分布的随机变量的平方进行求和而获得的变量

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

服从卡方分布，记作

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

卡方分布的概率密度函数为

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

其中 \(\Gamma\) 是伽马函数，

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

参考文献

[1]

示例

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