numpy.random.Generator.chisquare

метод

Generator.chisquare(df, size=None)

Генерация выборок из распределения хи-квадрат.

Когда df независимые случайные переменные, каждая со стандартным нормальным распределением (мат. ожидание 0, дисперсия 1), возводятся в квадрат и суммируются, полученное распределение является распределением хи-квадрат (см. Примечания). Это распределение часто используется в гипотетических тестах.

Параметры:	`df : float or array_like of floats` Число степеней свободы, должно быть > 0. `size : int or tuple of ints, optional` Форма выходных данных. Если заданная форма, например, `(m, n, k)`, то `m * n * k` выборок генерируется. Если размер равен `None` (по умолчанию), возвращается одно значение, если `df` является скаляром. В противном случае `np.array(df).size` выборок генерируется.
Возвращает:	`out : ndarray or scalar` Сгенерированные выборки из параметризованного распределения хи-квадрат.
Возможные исключения:	ValueError Когда `df` <= 0 или когда задан неподходящий `size` (например, `size=-1`).

Примечания

Переменная, полученная путем суммирования квадратов df независимых стандартных нормально распределенных случайных переменных:

$Q = \sum_{i=0}^{\mathtt{df}} X^2_i$

распределена как хи-квадрат, обозначается

$Q \sim \chi^2_k.$

Плотность вероятности распределения хи-квадрат

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

где $\Gamma$ - гамма-функция,

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

Ссылки

[1]	NIST “Справочник по инженерной статистике” https://www.itl.nist.gov/div898/handbook/eda/section3/eda3666.htm

Примеры

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

© 2005–2019 NumPy Developers
Licensed under the 3-clause BSD License.
https://docs.scipy.org/doc/numpy-1.17.0/reference/random/generated/numpy.random.Generator.chisquare.html