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

用法：

RandomState.noncentral_f(dfnum, dfden, nonc, size=None)

從非中心F分布中抽取樣本。

從具有指定參數dfnum(分子的自由度)和dfden(分母的自由度)的F分布中抽取樣本，其中兩個參數均大於1。nonc是非中心性參數。

參數：	dfnum： ： float 或 array_like of floats 分子自由度，必須> 0。 在版本1.14.0中更改：較早的NumPy版本要求dfnum> 1。 dfden： ： float 或 array_like of floats 分母的自由度必須大於0。 nonc： ： float 或 array_like of floats 非中心參數(分子平均值的平方和)必須> = 0。 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dfnum，dfden和nonc都是標量。除此以外，np.broadcast(dfnum, dfden, nonc).size抽取樣品。
返回值：	out： ： ndarray或標量 從參數化非中心Fisher分布中抽取樣本。

注意：

在計算實驗的功效時(功效=當特定選擇為真時拒絕零假設的概率)，非中心F統計量變得非常重要。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，則遵循非中心F統計量。

參考文獻：

[1]	Eric W. Weisstein，“非中央F-Distribution。”來自MathWorld-A Wolfram Web資源。http://mathworld.wolfram.com/NoncentralF-Distribution.html

[2]	維基百科，“非中央F-distribution”，https://en.wikipedia.org/wiki/Noncentral_F-distribution

例子：

在一項研究中，要測試零假設的特定替代方法，需要使用非中心F分布。我們需要計算分布尾部中超過原假設的F分布值的麵積。我們將繪製兩個概率分布以進行比較。

>>> 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()

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