numpy.random.mtrand.RandomState.noncentral_chisquare

метод

RandomState.noncentral_chisquare(df, nonc, size=None)

Генерирует выборку из нецентрального распределения хи-квадрат.

Нецентральное распределение является обобщением распределения .

Параметры:

df : float or array_like of floats Число степеней свободы, должно быть > 0. Изменено в версии 1.10.0: В более ранних версиях NumPy требовалось dfnum > 1. nonc : float or array_like of floats Нецентральность, должно быть неотрицательным. size : int or tuple of ints, optional Форма выходных данных. Если заданная форма, например, (m, n, k), тогда генерируется m * n * k выборок. Если размер None (по умолчанию), возвращается единственное значение, если df и nonc являются скалярами. В противном случае, генерируется np.broadcast(df, nonc).size выборок.

Возвращает:

out : ndarray or scalar Сгенерированные выборки из нецентрального распределения хи-квадрат.

Примечания

Функция плотности вероятности для нецентрального распределения хи-квадрат:

где - это распределение хи-квадрат с q степенями свободы.

Ссылки

[1]	Википедия, «Нецентральное распределение хи-квадрат» https://en.wikipedia.org/wiki/Noncentral_chi-squared_distribution

Примеры

Генерирует значения из распределения и строит гистограмму

>>> import matplotlib.pyplot as plt
>>> values = plt.hist(np.random.noncentral_chisquare(3, 20, 100000),
...                   bins=200, density=True)
>>> plt.show()

Генерирует значения из нецентрального распределения хи-квадрат с очень малой нецентральностью и сравнивает их с распределением хи-квадрат.

>>> plt.figure()
>>> values = plt.hist(np.random.noncentral_chisquare(3, .0000001, 100000),
...                   bins=np.arange(0., 25, .1), density=True)
>>> values2 = plt.hist(np.random.chisquare(3, 100000),
...                    bins=np.arange(0., 25, .1), density=True)
>>> plt.plot(values[1][0:-1], values[0]-values2[0], 'ob')
>>> plt.show()

Демонстрирует, как большие значения нецентральности приводят к более симметричному распределению.

>>> plt.figure()
>>> values = plt.hist(np.random.noncentral_chisquare(3, 20, 100000),
...                   bins=200, density=True)
>>> plt.show()