numpy.random.RandomState.noncentral_f

метод

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

Генерация выборок из нецентрального F-распределения.

Выборка осуществляется 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

Для нового кода следует использовать метод noncentral_f экземпляра Generator; см. Быстрый старт.

Параметры:

dfnumfloat или array_like из float

Степени свободы в числителе, должны быть > 0.

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

dfdenfloat или array_like из float

Степени свободы в знаменателе, должны быть > 0.

noncfloat или array_like из float

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

sizeint или кортеж из int, необязательно

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

Возвращаемое значение:

outndarray или скаляр

Сгенерированные выборки из заданного распределения нецентральной Фишера.

См. также

random.Generator.noncentral_f

который следует использовать для нового кода.

Примечания

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

Ссылки

[1]

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

[2]

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

Примеры

В исследовании, тестировании конкретной альтернативы нулевой гипотезе требуется использование распределения нецентральной F. Необходимо вычислить площадь в хвосте распределения, которая превышает значение F-распределения 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()