numpy.random.RandomState.logistic¶
-
RandomState.
logistic
(loc=0.0, scale=1.0, size=None)¶ 从逻辑分布绘制样本。
样本从具有指定参数loc(位置或平均值,也是中值)和比例(> 0)的逻辑分布中绘制。
参数: loc:float
scale:float> 0。
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。返回: samples:ndarray或scalar
其中值是[0,n]中的所有整数。
也可以看看
scipy.stats.distributions.logistic
- 概率密度函数,分布或累积密度函数等。
笔记
Logistic分布的概率密度为
其中 =位置和 =刻度。
Logistic分布用于极端值问题,其中它可以作为Gumbel分布,流行病学和世界象棋联合会(FIDE)的混合,在Elo排名系统中使用,假设每个玩家的性能是逻辑分布随机变量。
参考文献
[R161] Reiss,R.-D.和Thomas M.(2001),“来自保险,金融,水文和其他领域的极端价值的统计分析”,Birkhauser Verlag,Basel,pp 132-133。 [R162] Weisstein,Eric W.“Logistic Distribution。”来自MathWorld-Wolfram Web资源。http://mathworld.wolfram.com/LogisticDistribution.html [R163] 维基百科,“物流配送”,http://en.wikipedia.org/wiki/Logistic_distribution 例子
从分布绘制样本:
>>> loc, scale = 10, 1 >>> s = np.random.logistic(loc, scale, 10000) >>> count, bins, ignored = plt.hist(s, bins=50)
#图与分布
>>> def logist(x, loc, scale): ... return exp((loc-x)/scale)/(scale*(1+exp((loc-x)/scale))**2) >>> plt.plot(bins, logist(bins, loc, scale)*count.max()/\ ... logist(bins, loc, scale).max()) >>> plt.show()