numpy.random.RandomState.logistic#
方法
- random.RandomState.logistic(loc=0.0, scale=1.0, size=None)#
从逻辑分布中抽取样本。
样本从具有指定参数 `loc`（位置或均值，也称中位数）和 `scale`（>0）的逻辑分布中抽取。
- 参数:
- loc浮点数或类似浮点数的数组，可选
分布的参数。默认值为 0。
- scale浮点数或类似浮点数的数组，可选
分布的参数。必须为非负值。默认值为 1。
- size整数或整数元组，可选
输出形状。如果给定形状为例如
(m, n, k)，则会抽取m * n * k个样本。如果 `size` 为None（默认值），则当 `loc` 和 `scale` 都是标量时，返回单个值。否则，将抽取np.broadcast(loc, scale).size个样本。
- 返回:
- outndarray 或标量
从参数化逻辑分布中抽取的样本。
另请参阅
scipy.stats.logistic概率密度函数、分布或累积密度函数等。
random.Generator.logistic新代码应使用此方法。
注意
逻辑分布的概率密度函数为
\[P(x) = P(x) = \frac{e^{-(x-\mu)/s}}{s(1+e^{-(x-\mu)/s})^2},\]其中 \(\mu\) = 位置，\(s\) = 尺度。
逻辑分布应用于极值问题，可作为古姆贝尔分布的混合；在流行病学中；以及在世界国际象棋联合会 (FIDE) 中用于 Elo 排名系统，假设每个棋手的表现是一个逻辑分布的随机变量。
参考文献
[1]Reiss, R.-D. and Thomas M. (2001), “Statistical Analysis of Extreme Values, from Insurance, Finance, Hydrology and Other Fields,” Birkhauser Verlag, Basel, pp 132-133.
[2]Weisstein, Eric W. “Logistic Distribution.” From MathWorld–A Wolfram Web Resource. https://mathworld.net.cn/LogisticDistribution.html
[3]Wikipedia, “Logistic-distribution”, https://en.wikipedia.org/wiki/Logistic_distribution
示例
从分布中抽取样本
>>> loc, scale = 10, 1 >>> s = np.random.logistic(loc, scale, 10000) >>> import matplotlib.pyplot as plt >>> count, bins, ignored = plt.hist(s, bins=50)
# 绘制与分布的对比图
>>> def logist(x, loc, scale): ... return np.exp((loc-x)/scale)/(scale*(1+np.exp((loc-x)/scale))**2) >>> lgst_val = logist(bins, loc, scale) >>> plt.plot(bins, lgst_val * count.max() / lgst_val.max()) >>> plt.show()
