scipy.special.nctdtr#

scipy.special.nctdtr(df, nc, t, out=None) = <ufunc 'nctdtr'>#

Kumulative Verteilungsfunktion der nicht-zentralen t-Verteilung.

Parameter:

dfarray_like: Freiheitsgrade der Verteilung. Sollten im Bereich (0, inf) liegen.
ncarray_like: Nichtzentralitätsparameter.
tarray_like: Quantile, d.h. die obere Integrationsgrenze.
outndarray, optional: Optionales Ausgabe-Array für die Funktionsergebnisse

Rückgabe:

cdfscalar oder ndarray: Die berechnete CDF. Wenn alle Eingaben Skalare sind, wird ein Float zurückgegeben. Andernfalls wird ein Array zurückgegeben.

Siehe auch

nctdtrit: Inverse CDF (iCDF) der nichtzentralen t-Verteilung.
nctdtridf: Berechnet die Freiheitsgrade, gegeben CDF- und iCDF-Werte.
nctdtrinc: Berechnet den Nichtzentralitätsparameter anhand der CDF-iCDF-Werte.

Hinweise

Diese Funktion berechnet die CDF der nicht-zentralen t-Verteilung mithilfe der Boost Math C++ Bibliothek [1].

Beachten Sie, dass die Argumentreihenfolge von nctdtr sich von der der ähnlichen cdf-Methode von scipy.stats.nct unterscheidet: t ist der letzte Parameter von nctdtr, aber der erste Parameter von scipy.stats.nct.cdf.

Referenzen

[1]

The Boost Developers. “Boost C++ Libraries”. https://www.boost.org/.

Beispiele

>>> import numpy as np
>>> from scipy import special
>>> from scipy import stats
>>> import matplotlib.pyplot as plt

Zeichnen Sie die CDF der nicht-zentralen t-Verteilung für nc=0. Vergleichen Sie mit der t-Verteilung aus scipy.stats

>>> x = np.linspace(-5, 5, num=500)
>>> df = 3
>>> nct_stats = stats.t.cdf(x, df)
>>> nct_special = special.nctdtr(df, 0, x)

>>> fig = plt.figure()
>>> ax = fig.add_subplot(111)
>>> ax.plot(x, nct_stats, 'b-', lw=3)
>>> ax.plot(x, nct_special, 'r-')
>>> plt.show()

../../_images/scipy-special-nctdtr-1.png