Python dask.array.random.noncentral_f用法及代碼示例

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

從非中心 F 分布中抽取樣本。

此文檔字符串是從 numpy.random.mtrand.RandomState.noncentral_f 複製的。

可能存在與 Dask 版本的一些不一致之處。

樣本來自具有指定參數的 F 分布，dfnum(分子自由度)和dfden(分母自由度)，其中兩個參數 > 1。nonc 是非中心性參數。

注意

新代碼應改為使用default_rng() 實例的noncentral_f 方法；請參閱快速入門。

參數：

dfnum：浮點數或類似數組的浮點數: 分子自由度，必須 > 0。
dfden：浮點數或類似數組的浮點數: 分母自由度，必須 > 0。
nonc：浮點數或類似數組的浮點數: 非中心性參數，即分子均值的平方和，必須 >= 0。
size：整數或整數元組，可選: 輸出形狀。例如，如果給定的形狀是 (m, n, k) ，則繪製 m * n * k 樣本。如果 size 為 None(默認)，如果 dfnum , dfden 和 nonc 都是標量，則返回單個值。否則，將抽取np.broadcast(dfnum, dfden, nonc).size 樣本。

out：ndarray 或標量: 從參數化的非中心 Fisher 分布中抽取樣本。

注意：

在計算實驗的功效時(功效 = 當特定備選方案為真時拒絕原假設的概率)，非中心 F 統計量變得很重要。當原假設為真時，F 統計量遵循中心 F 分布。當原假設不成立時，它遵循非中心 F 統計量。

參考：

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

例子：

在一項研究中，檢驗零假設的特定替代方案需要使用非中心 F 分布。我們需要計算分布尾部超過原假設的 F 分布值的區域。我們將繪製兩個概率分布進行比較。

>>> 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()

相關用法

注：本文由純淨天空篩選整理自dask.org大神的英文原創作品 dask.array.random.noncentral_f。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

注意：

參考：

例子：