numpy.random.logistic#

random.logistic(loc=0.0, scale=1.0, size=None)#

从逻辑分布中抽取样本。

样本是从具有指定参数 loc（位置或均值，也为中位数）和 scale（>0）的逻辑分布中抽取的。

注意

新代码应使用 logistic 方法，该方法是 Generator 实例的方法；请参阅 快速入门。

参数:
loc浮点数或浮点数数组，可选

分布的参数。默认为 0。

scale浮点数或浮点数数组，可选

分布的参数。必须为非负数。默认为 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)，则抽取 m * n * k 个样本。如果 size 为 None（默认值），如果 loc 和 scale 均为标量，则返回单个值。否则，抽取 np.broadcast(loc, scale).size 个样本。

返回:
outndarray 或标量

从参数化的逻辑分布中抽取的样本。

参见

scipy.stats.logistic

概率密度函数、分布或累积密度函数等。

random.Generator.logistic

新代码应使用它。

注释

逻辑分布的概率密度为

\[P(x) = P(x) = \frac{e^{-(x-\mu)/s}}{s(1+e^{-(x-\mu)/s})^2},\]

其中 \(\mu\) = 位置，\(s\) = 尺度。

逻辑分布用于极值问题，在这些问题中，它可以充当耿贝尔分布的混合，用于流行病学，以及世界国际象棋联合会（FIDE），在那里它被用于 Elo 排名系统，假设每个玩家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. “逻辑分布。”来自 MathWorld–A Wolfram Web Resource。 https://mathworld.wolfram.com/LogisticDistribution.html

[3]

维基百科，“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)

# 针对分布进行绘图

>>> 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()
../../../_images/numpy-random-logistic-1.png
在本页