Python dask.array.random.noncentral_f用法及代码示例

用法:
dask.array.random.noncentral_f(dfnum, dfden, nonc, size=None, chunks='auto', **kwargs)

从非中心 F 分布中抽取样本。

此文档字符串是从 numpy.random.mtrand.RandomState.noncentral_f 复制的。

可能存在与 Dask 版本的一些不一致之处。

样本来自具有指定参数的 F 分布，dfnum(分子自由度)和dfden(分母自由度)，其中两个参数 > 1。nonc 是非中心性参数。

注意

新代码应改为使用default_rng() 实例的noncentral_f 方法；请参阅快速入门。

参数：

dfnum：浮点数或类似数组的浮点数: 分子自由度，必须 > 0。
dfden：浮点数或类似数组的浮点数: 分母自由度，必须 > 0。
nonc：浮点数或类似数组的浮点数: 非中心性参数，即分子均值的平方和，必须 >= 0。
size：整数或整数元组，可选: 输出形状。例如，如果给定的形状是 (m, n, k) ，则绘制 m * n * k 样本。如果 size 为 None(默认)，如果 dfnum , dfden 和 nonc 都是标量，则返回单个值。否则，将抽取np.broadcast(dfnum, dfden, nonc).size 样本。

out：ndarray 或标量: 从参数化的非中心 Fisher 分布中抽取样本。

注意：

在计算实验的功效时(功效 = 当特定备选方案为真时拒绝原假设的概率)，非中心 F 统计量变得很重要。当原假设为真时，F 统计量遵循中心 F 分布。当原假设不成立时，它遵循非中心 F 统计量。

参考：

1: Weisstein, Eric W. “非中心 F-Distribution。”来自MathWorld-A Wolfram Web 资源。http://mathworld.wolfram.com/NoncentralF-Distribution.html
2: 维基百科，“非中心F-distribution”，https://en.wikipedia.org/wiki/Noncentral_F-distribution

例子：

在一项研究中，检验零假设的特定替代方案需要使用非中心 F 分布。我们需要计算分布尾部超过原假设的 F 分布值的区域。我们将绘制两个概率分布进行比较。

>>> 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()

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 dask.array.random.noncentral_f。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

参考：

例子：