numpy.random.Generator.chisquare#
方法
- random.Generator.chisquare(df, size=None)#
从卡方分布中抽取样本。
当 df 个独立随机变量,每个都服从标准正态分布(均值为 0,方差为 1),被平方并求和时,得到的分布就是卡方分布(参见注释)。此分布常用于假设检验。
- 参数:
- df浮点数或浮点数数组
自由度,必须 > 0。
- size整数或整数元组,可选
输出形状。如果给定的形状为,例如,
(m, n, k)
,则会抽取m * n * k
个样本。如果 size 为None
(默认值),则如果df
是标量,则返回单个值。否则,会抽取np.array(df).size
个样本。
- 返回值:
- outndarray 或标量
从参数化的卡方分布中抽取的样本。
- 引发:
- ValueError
当 df <= 0 或给定不合适的
size
(例如size=-1
)时。
注释
通过对 df 个独立的、标准正态分布的随机变量的平方求和得到的变量
\[Q = \sum_{i=0}^{\mathtt{df}} X^2_i\]服从卡方分布,记为
\[Q \sim \chi^2_k.\]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]NIST“工程统计手册” https://www.itl.nist.gov/div898/handbook/eda/section3/eda3666.htm
示例
>>> rng = np.random.default_rng() >>> rng.chisquare(2,4) array([ 1.89920014, 9.00867716, 3.13710533, 5.62318272]) # random
具有 20 个自由度的卡方随机变量的分布如下所示
>>> import matplotlib.pyplot as plt >>> import scipy.stats as stats >>> s = rng.chisquare(20, 10000) >>> count, bins, _ = plt.hist(s, 30, density=True) >>> x = np.linspace(0, 60, 1000) >>> plt.plot(x, stats.chi2.pdf(x, df=20)) >>> plt.xlim([0, 60]) >>> plt.show()