numpy.random.noncentral_f

random.noncentral_f(dfnum, dfden, nonc, size=None)

Генерация выборок из нецентрального F-распределения.

Выборка генерируется из F-распределения со заданными параметрами, dfnum (степени свободы в числителе) и dfden (степени свободы в знаменателе), где оба параметра > 1. nonc — параметр нецентральности.

Примечание

Новый код должен использовать метод noncentral_f экземпляра default_rng(); см. Быстрый старт.

Параметры

dfnumfloat или array_like чисел с плавающей точкой

Числитель степеней свободы, должен быть > 0.

Изменено в версии 1.14.0: Предыдущие версии NumPy требовали dfnum > 1.

dfdenfloat или array_like чисел с плавающей точкой

Знаменатель степеней свободы, должен быть > 0.

noncfloat или array_like чисел с плавающей точкой

Параметр нецентральности, сумма квадратов средних значений числителя, должен быть >= 0.

sizeцелое число или кортеж целых чисел, необязательно

Форма выходных данных. Если заданная форма, например, (m, n, k), то m * n * k выборок генерируется. Если размер равен None (по умолчанию), возвращается единственное значение, если dfnum, dfden, и nonc являются скалярными величинами. В противном случае np.broadcast(dfnum, dfden, nonc).size выборок генерируется.

Возвращаемые значения

outndarray или скаляр

Сгенерированные выборки из параметризованного нецентрального распределения Фишера.

См. также

Generator.noncentral_f

который следует использовать в новом коде.

Примечания

При расчете мощности эксперимента (мощность = вероятность отклонения нулевой гипотезы, когда справедлива определенная альтернатива) нецентральная статистика Фишера становится важной. Когда нулевая гипотеза верна, статистика Фишера следует центральному F-распределению. Когда нулевая гипотеза неверна, она следует нецентральному F-распределению.

Ссылки

1

Weisstein, Eric W. “Нецентральное F-распределение.” Из MathWorld–ресурса Wolfram Web. http://mathworld.wolfram.com/NoncentralF-Distribution.html

2

Wikipedia, “Нецентральное F-распределение”, https://en.wikipedia.org/wiki/Noncentral_F-distribution

Примеры

В исследовании, проверка конкретной альтернативы нулевой гипотезе требует использования нецентрального F-распределения. Нам нужно рассчитать площадь в хвосте распределения, которая превышает значение F-распределения для нулевой гипотезы. Мы нарисуем два вероятностных распределения для сравнения.

>>> dfnum = 3 # between group deg of freedom
>>> dfden = 20 # within groups degrees of freedom
>>> nonc = 3.0
>>> nc_vals = np.random.noncentral_f(dfnum, dfden, nonc, 1000000)
>>> NF = np.histogram(nc_vals, bins=50, density=True)
>>> c_vals = np.random.f(dfnum, dfden, 1000000)
>>> F = np.histogram(c_vals, bins=50, density=True)
>>> import matplotlib.pyplot as plt
>>> plt.plot(F[1][1:], F[0])
>>> plt.plot(NF[1][1:], NF[0])
>>> plt.show()