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，每个都具有标准正态分布（均值为 0，方差为 1）时，将其平方并求和，得到的分布是卡方分布（参见注释）。此分布通常用于假设检验。

注意

新代码应使用 chisquare 方法，该方法属于 Generator 实例；请参阅快速入门。

参数:

df浮点数或浮点数数组: 自由度数，必须 > 0。
size整数或整数元组，可选: 输出形状。如果给定形状例如为 (m, n, k)，则抽取 m * n * k 个样本。如果 size 为 None（默认），则如果 df 是标量，则返回单个值。否则，抽取 np.array(df).size 个样本。

返回:

引发:

另请参阅

注释

通过将 df 个独立的，标准正态分布的随机变量的平方求和而获得的变量

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

是卡方分布，表示为

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

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 \(\Gamma\) 是伽玛函数，

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

参考文献

[1]

示例

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