Python numpy random.mtrand.RandomState.noncentral_chisquare用法及代碼示例

用法：

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

從非中心chi-square分布中抽取樣本。

非中心分布是對分配。

參數：	df： ： float 或 array_like of floats 自由度必須> 0。 在1.10.0版中進行了更改：較早的NumPy版本要求dfnum> 1。 nonc： ： float 或 array_like of floats 非中心性，必須為非負性。 size： ： int 或 tuple of ints, 可選參數 輸出形狀。如果給定的形狀是(m, n, k)， 然後m * n * k抽取樣品。如果尺寸是None(默認)，如果返回一個值df和nonc都是標量。除此以外，np.broadcast(df, nonc).size抽取樣品。
返回值：	out： ： ndarray或標量 從參數化的非中心chi-square分布中抽取樣本。

注意：

非中心Chi-square分布的概率密度函數為

哪裏是具有q個自由度的Chi-square。

參考文獻：

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

例子：

從分布中繪製值並繪製直方圖

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

從具有非中心極小的非中心卡方繪製值，並將其與卡方進行比較。

>>> 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導致更對稱的分布。

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

注：本文由純淨天空篩選整理自 numpy.random.mtrand.RandomState.noncentral_chisquare。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。