numpy.random.chisquare#

random.chisquare(df, size=None)#

从卡方分布中抽取样本.

当 df 个独立的随机变量(每个变量都具有标准正态分布,即均值为0,方差为1)进行平方和求和时,得到的分布是卡方分布(参见“注释”).此分布常用于假设检验.

备注

新代码应该使用 chisquare 方法,该方法是 Generator 实例的一个方法;请参阅快速入门 .

参数:

dffloat 或 floats 的类数组对象: 自由度数,必须 > 0.
sizeint 或 int 的元组,可选.: 输出形状.如果给定的形状是,例如, (m, n, k) ,则抽取 m * n * k 个样本.如果size为 None (默认),则当 df 是标量时,返回单个值.否则,抽取 np.array(df).size 个样本.

返回:

提出:

参见

注释

通过对 df 个独立的,标准正态分布的随机变量的平方求和获得的变量:

\[Q = \sum_{i=1}^{\mathtt{df}} X^2_i\]

是卡方分布的,表示为

\[Q \sim \chi^2_k.\]

卡方分布的概率密度函数为

\[p(x) = \frac{(1/2)^{k/2}}{\Gamma(k/2)} x^{k/2 - 1} e^{-x/2},\]

其中 \(\Gamma\) 是伽马函数,

\[\Gamma(x) = \int_0^{-\infty} t^{x - 1} e^{-t} dt.\]

参考

[1]

示例

>>> np.random.chisquare(2,4)
array([ 1.89920014,  9.00867716,  3.13710533,  5.62318272]) # random

如何运行和测试 NumPy 的代码？

在探索 NumPy 库的核心概念、常见问题和实用代码示例时，所有代码都可在 PythonRun 上直接运行测试。

请给出一个简单的 NumPy 代码示例

下面是一个简单的 NumPy 用法示例：

import numpy as np
a = np.array([1, 2, 3])
a = a * 2
print(a)

你可以在 PythonRun 上执行它，看看结果。