numpy.random.RandomState.noncentral_f

метод

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

Генерирует выборку из нецентрального распределения Фишера.

Выборка генерируется из распределения Фишера со заданными параметрами, dfnum (степени свободы в числителе) и dfden (степени свободы в знаменателе), где оба параметра > 1. nonc является параметром нецентральности.

Примечание

Для нового кода следует использовать метод noncentral_f экземпляра default_rng(); см. Быстрый старт.

Параметры

dfnumfloat или array_like из float

Степени свободы в числителе, должно быть > 0.

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

dfdenfloat или array_like из float

Степени свободы в знаменателе, должно быть > 0.

noncfloat или array_like из float

Параметр нецентральности, сумма квадратов средних значений в числителе, должно быть >= 0.

sizeint или кортеж из int, необязательно

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

Возвращает

outndarray или скаляр

Сгенерированные выборки из заданного распределения нецентрального Фишера.

См. также

Generator.noncentral_f

которое следует использовать в новом коде.

Примечания

При расчете мощности эксперимента (мощность = вероятность отклонения нулевой гипотезы, когда справедлива определенная альтернатива) нецентральная статистика Фишера приобретает важность. Когда нулевая гипотеза верна, статистика Фишера подчиняется центральному распределению Фишера. Когда нулевая гипотеза не верна, она подчиняется нецентральной статистике Фишера.

Ссылки

1

Weisstein, Эрик В. «Нецентральное F-распределение». Из MathWorld — Wolfram Web Resource. http://mathworld.wolfram.com/NoncentralF-Distribution.html

2

Википедия, «Нецентральное F-распределение», https://en.wikipedia.org/wiki/Noncentral_F-distribution

Примеры

В исследовании, проверке определенной альтернативы нулевой гипотезе, требуется использовать распределение нецентрального Фишера. Нам нужно вычислить площадь в хвосте распределения, превышающую значение распределения Фишера для нулевой гипотезы. Мы построим два распределения вероятностей 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()