当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python numpy random.mtrand.RandomState.logistic用法及代码示例


用法:

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

从物流分布中抽取样本。

从具有指定参数,位置(位置或均值,也为中位数)和比例(> 0)的对数分布中抽取样本。

参数:
loc float 或 array_like of floats, 可选参数

分布参数。默认值为0。

scale float 或 array_like of floats, 可选参数

分布参数。必须为非负数。默认值为1。

size int 或 tuple of ints, 可选参数

输出形状。如果给定的形状是(m, n, k), 然后m * n * k抽取样品。如果尺寸是None(默认),如果返回一个值locscale都是标量。除此以外,np.broadcast(loc, scale).size抽取样品。

返回值:
out ndarray或标量

从参数化逻辑分布中抽取样本。

注意:

Logistic分布的概率密度为

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

哪里\mu=位置和s=比例。

Logistic分布用于极值问题,在流行病学中可以混合使用Gumbel分布,在世界象棋联合会(FIDE)中也用于Elo排名系统,假设每个玩家的表现都是逻辑分布的随机变量。

参考文献:

[1]Reiss,R.-D.和Thomas M.(2001),“来自保险,金融,水文学和其他领域的极值统计分析”,Birkhauser Verlag,巴塞尔,第132-133页。
[2]Weisstein,EricW。“物流配送”。来自MathWorld-A Wolfram Web资源。http://mathworld.wolfram.com/LogisticDistribution.html
[3]维基百科,“Logistic-distribution”,https://en.wikipedia.org/wiki/Logistic_distribution

例子:

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-mtrand-RandomState-logistic-1.png

相关用法


注:本文由纯净天空筛选整理自 numpy.random.mtrand.RandomState.logistic。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。