numpy.random.RandomState.noncentral_chisquare

方法

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

从非中心卡方分布中提取样本。

非中心的 \chi^2 分配是对 \chi^2 分布。

参数:

df : 浮点数或类似浮点数的数组

自由度应大于0。

在 1.10.0 版更改: 早期的numpy版本需要dfnum>1。

nonc : 浮点数或类似浮点数的数组

非中心性，应为非负。

size : int或int的元组，可选

输出形状。如果给定的形状是，例如， (m, n, k) 然后 m * n * k 取样。如果尺寸是 None （默认），如果 df 和 nonc 都是标量。否则， np.broadcast(df, nonc).size 取样。

返回:

out : ndarray或scalar

从参数化非中心卡方分布中提取样本。

笔记

非中心卡方分布的概率密度函数是

p（x；df，nonc）=sum ^ infty i=0 frac e ^-nonc/2（nonc/2）^ i i！}P Y df+2i（x）、

在哪里？ Y_{{q}} 是具有Q自由度的卡方。

德里（2007年）指出，非中心卡方在轰炸和覆盖问题中很有用，即非中心卡方分布给出的点目标被击毙的概率。

工具书类

[1]	德里，M.S.Holla，“武器系统效能分析中的非中心卡方分布”，Metrika，第15卷，第1/1970年12月。

[2]	维基百科，“非中心卡方分布”https://en.wikipedia.org/wiki/noncentral_chi-squared_distribution

实例

从分布中绘制值并绘制柱状图

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

从非中心性很小的非中心角砾中提取值，并与角砾进行比较。

>>> 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()

演示非中心性的大值如何导致更对称的分布。

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