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（均值为 0，方差为 1），被平方并求和时，得到的分布是卡方分布（参见注释）。这种分布通常用于假设检验。

注意

新的代码应该使用 chisquare 方法，该方法是 Generator 实例的方法；请参见快速入门。

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)，则将抽取 m * n * k 个样本。如果 size 为 None（默认值），则如果 df 为标量，则返回单个值。否则，将抽取 np.array(df).size 个样本。

返回值：

引发：

参见

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，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