Python numpy random.noncentral_f用法及代碼示例

本文簡要介紹 python 語言中 numpy.random.noncentral_f 的用法。

用法:

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

從非中心 F 分布中抽取樣本。

樣本是從具有指定參數 dfnum(分子自由度)和 dfden(分母自由度)的 F 分布中抽取的，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： int 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。

返回：

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()