numpy.random.noncentral_chisquare¶

numpy.random.noncentral_chisquare(df, nonc, size=None)¶

从非中心卡方分布绘制样本。

非中心 $\chi^2$ 分布是 $\chi^2$ 分布的一般化。

参数：	df：int 自由度，从Numpy 1.10起应该> 0，对于早期版本应该> 1。 nonc：float 非中心性，应该是非负的。 size：int或tuple的整数，可选输出形状。如果给定形状是例如`（m， n， k）`，则 `m * n * k`默认值为None，在这种情况下返回单个值。

笔记

非中心卡方分布的概率密度函数为

其中 $Y_{q}$ 是具有q个自由度的卡方。

在德里（2007年），注意到非中心卡方可用于轰炸和覆盖问题，杀死由非中心卡方分布给出的点目标的概率。

参考文献

[R245]

德里Holla，“关于武器系统有效性分析中的非中心卡方分布”，Metrika，第15卷，第1/1970年12月。

[R246]

维基百科，“非中心卡方分布”http://en.wikipedia.org/wiki/Noncentral_chi-square_distribution

例子

从分布中绘制值并绘制直方图

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

（源代码，png，pdf）

../../_images/numpy-random-noncentral_chisquare-1_00_00.png

从非中心chisquare绘制非常小非中心的值，并与chisquare相比。

>>> plt.figure()
>>> values = plt.hist(np.random.noncentral_chisquare(3, .0000001, 100000),
...                   bins=np.arange(0., 25, .1), normed=True)
>>> values2 = plt.hist(np.random.chisquare(3, 100000),
...                    bins=np.arange(0., 25, .1), normed=True)
>>> plt.plot(values[1][0:-1], values[0]-values2[0], 'ob')
>>> plt.show()

（png，pdf）

../../_images/numpy-random-noncentral_chisquare-1_01_00.png

演示非中心性的大值如何导致更对称的分布。

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

（png，pdf）

../../_images/numpy-random-noncentral_chisquare-1_02_00.png