Рассмотрите сумму n
Квадратные нормальные случайные переменные S = sum (Z^2(mu, sig^2))
. Согласно this question, S/sig^2
имеет noncentral chi-squared distribution со степенями свободы = n
и параметр нецентральности = n*mu^2
.Scipy Non-central Chi-Squared Случайная переменная
Однако сравнение генерации N
этих переменных S
путем суммирования в квадрат нормалей с генерируя N
нецентральные хи-квадрат случайных величин непосредственно с помощью scipy.ncx2
:
import numpy as np
from scipy.stats import ncx2, chi2
import matplotlib.pyplot as plt
n = 1000 # number of normals in sum
N_MC = 100000 # number of trials
mu = 0.05
sig = 0.3
### Generate sums of squared normals ###
Z = np.random.normal(loc=mu, scale=sig, size=(N_MC, n))
S = np.sum(Z**2, axis=1)
### Generate non-central chi2 RVs directly ###
dof = n
non_centrality = n*mu**2
NCX2 = sig**2 * ncx2.rvs(dof, non_centrality, size=N_MC)
# NCX2 = sig**2 * chi2.rvs(dof, size=N_MC) # for mu = 0.0
### Plot histos ###
fig, ax = plt.subplots()
ax.hist(S, bins=50, label='S')
ax.hist(NCX2, bins=50, label='NCX2', alpha=0.7)
ax.legend()
plt.show()
Я считаю, математика правильная; может ли расхождение быть ошибкой в реализации ncx2
? Установка mu = 0
и использование scipy.chi2
выглядит намного лучше:
Это похоже на помощь. Не могли бы вы немного разобраться? – bcf
Я добавил некоторые уточнения. –