numpy.random.chisquare

numpy.random.chisquare(df, size=None)

从卡方分布中提取样本。

什么时候？ df 独立随机变量，每一个都有标准正态分布（平均值0，方差1），是平方和总和，得到的分布是卡方分布（见注释）。这种分布通常用于假设检验。

参数:

df : 浮点数或类似浮点数的数组

自由度应大于0。

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 是标量。否则， np.array(df).size 取样。

返回:

out : ndarray或scalar

从参数化卡方分布中提取样本。

加薪:

ValueError

什么时候？ df <=0或当 size （例如） size=-1 ）。

笔记

通过平方和得到的变量 df 独立的标准正态分布随机变量：

Q=sum_i=0 ^ mathtt df x^2_i

卡方分布，表示

Q \sim \chi^2_k.

卡方分布的概率密度函数是

p（x）=frac（1/2）^ k/2 gamma（k/2）x ^ k/2-1 e ^-x/2，

在哪里？ \Gamma 是伽玛函数，

伽玛（x）=int-infty t x-1 e-t dt.

工具书类

[1]	NIST“工程统计手册”https://www.itl.nist.gov/div898/handbook/eda/section3/eda3666.htm

实例

>>> np.random.chisquare(2,4)
array([ 1.89920014,  9.00867716,  3.13710533,  5.62318272])