Python numpy random.mtrand.RandomState.noncentral_chisquare用法及代码示例

用法：

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

从非中心chi-square分布中抽取样本。

非中心分布是对分配。

参数：	df： ： float 或 array_like of floats 自由度必须> 0。 在1.10.0版中进行了更改：较早的NumPy版本要求dfnum> 1。 nonc： ： float 或 array_like of floats 非中心性，必须为非负性。 size： ： int 或 tuple of ints, 可选参数 输出形状。如果给定的形状是(m, n, k)， 然后m * n * k抽取样品。如果尺寸是None(默认)，如果返回一个值df和nonc都是标量。除此以外，np.broadcast(df, nonc).size抽取样品。
返回值：	out： ： ndarray或标量 从参数化的非中心chi-square分布中抽取样本。

注意：

非中心Chi-square分布的概率密度函数为

哪里是具有q个自由度的Chi-square。

参考文献：

[1]	维基百科，“非中央chi-squared分发”https://en.wikipedia.org/wiki/Noncentral_chi-squared_distribution

例子：

从分布中绘制值并绘制直方图

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

从具有非中心极小的非中心卡方绘制值，并将其与卡方进行比较。

>>> 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()

演示非中心度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()

注：本文由纯净天空筛选整理自 numpy.random.mtrand.RandomState.noncentral_chisquare。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。