numpy.random.RandomState.chisquare#

方法

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

从卡方分布中抽取样本。

当 `df` 个独立的标准正态分布（均值为 0，方差为 1）随机变量被平方并求和时，结果分布是卡方分布（参见注意事项）。此分布常用于假设检验。

注意事项

新代码应使用 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类型

自由度，必须大于 0。

size整型或整型元组，可选

输出形状。如果给定形状为例如 (m, n, k)，则将抽取 m * n * k 个样本。如果 size 为 None（默认值），则当 df 是一个标量时返回单个值。否则，将抽取 np.array(df).size 个样本。

返回:
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 时，或给定不合适的 size（例如 size=-1）时。

另请参阅

random.Generator.chisquare

新代码应使用此方法。

注意事项

通过对 df 个独立、标准正态分布的随机变量的平方求和得到的变量

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

是卡方分布的，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

示例

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