Python mxnet.test_utils.chi_square_check用法及代码示例

用法: mxnet.test_utils.chi_square_check(generator, buckets, probs, nsamples=1000000)

参数：

generator：(function) - 假设从特定分布生成 i.i.d 样本的函数。 generator(N) 应该生成 N 个随机样本。
buckets：(list of tuple or list of number) - 运行卡方检验的桶。确保存储桶覆盖整个分布范围。此外，桶必须按升序排列并且没有交集
probs：(list or tuple) - 随机值的 ground-truth 概率落在特定的桶中。
nsamples：(int) - 为测试生成的样本数

p：(float) - 生成器具有预期分布的 p 值。较高的值表示较大的置信度
obs_freq：(list) - 观察到的桶的频率
expected_freq：(list) - 桶的预期 (ground-truth) 频率

运行生成器的卡方检验。生成器可以是连续的也可以是离散的。

如果生成器是连续的，则桶应该包含 (range_min, range_max) 的元组，并且概率应该是特定范围内对应的理想概率。否则，桶应该包含在离散分布上生成的所有可能值，并且概率应该是groud-truth 概率。

通常要求用户指定 probs 参数。

得到 p 值后，我们可以进一步使用标准的 p > 0.05 (alpha) 阈值来得到最终结果。

例子：

buckets, probs = gen_buckets_probs_with_ppf(lambda x: ss.norm.ppf(x, 0, 1), 5)
generator = lambda x: np.random.normal(0, 1.0, size=x)
p = chi_square_check(generator=generator, buckets=buckets, probs=probs)
assert(p > 0.05)

相关用法

注：本文由纯净天空筛选整理自apache.org大神的英文原创作品 mxnet.test_utils.chi_square_check。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：