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\mu =位置和s =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()