R Logistic 物流配送

說明

使用參數 location 和 scale 的邏輯分布的密度、分布函數、分位數函數和隨機生成。

用法

dlogis(x, location = 0, scale = 1, log = FALSE)
plogis(q, location = 0, scale = 1, lower.tail = TRUE, log.p = FALSE)
qlogis(p, location = 0, scale = 1, lower.tail = TRUE, log.p = FALSE)
rlogis(n, location = 0, scale = 1)

參數

細節

如果省略location 或scale，則它們分別采用0 和1 的默認值。

location = \mu 和 scale = \sigma 的 Logistic 分布具有分布函數

和密度

它是一個長尾分布，具有均值 \mu 和方差 \pi^2/3 \sigma^2 。

值

dlogis 給出密度，plogis 給出分布函數，qlogis 給出分位數函數，rlogis 生成隨機偏差。

結果的長度由 rlogis 的 n 確定，並且是其他函數的數值參數長度的最大值。

除 n 之外的數字參數將被回收到結果的長度。僅使用邏輯參數的第一個元素。

注意

qlogis(p) 與眾所周知的 ‘logit’ 函數 logit(p) = \log p/(1-p) 相同，plogis(x) 因此被稱為“逆 logit”。

分布函數是重新縮放的雙曲正切 plogis(x) == (1+ tanh(x/2))/2 ，在神經網絡等上下文中稱為 sigmoid 函數。

例子

var(rlogis(4000, 0, scale = 5))  # approximately (+/- 3)
pi^2/3 * 5^2

來源

[dpq]logis 直接根據定義計算。

rlogis 使用反轉。

參考

Becker, R. A., Chambers, J. M. and Wilks, A. R. (1988) The New S Language. Wadsworth & Brooks/Cole.

Johnson, N. L., Kotz, S. and Balakrishnan, N. (1995) Continuous Univariate Distributions, volume 2, chapter 23. Wiley, New York.

也可以看看

Distributions 適用於其他標準發行版。