dask.array.random.logistic

dask.array.random.logistic¶

dask.array.random.logistic(*args, **kwargs)¶

从逻辑分布中抽取样本。

此文档字符串是从 numpy.random.mtrand.RandomState.logistic 复制的。

Dask 版本可能存在一些不一致性。

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

备注

新代码应使用 ~numpy.random.Generator 实例的 ~numpy.random.Generator.logistic 方法；请参阅 Quick start。

参数

loc浮点数或浮点数数组，可选: 分布的参数。默认值为0。
比例浮点数或浮点数数组，可选: 分布的参数。必须为非负数。默认值为1。
大小int 或 int 的元组，可选: 输出形状。如果给定的形状是，例如，(m, n, k)，那么会抽取 m * n * k 个样本。如果大小是 None``（默认），当 ``loc 和 scale 都是标量时，返回一个单一值。否则，会抽取 np.broadcast(loc, scale).size 个样本。

返回

出ndarray 或标量: 从参数化的逻辑分布中抽取样本。

参见

scipy.stats.logistic: 概率密度函数、分布或累积密度函数等。
random.Generator.logistic: 应用于新代码。

注释

Logistic 分布的概率密度为

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

其中 \(\mu\) = 位置，\(s\) = 尺度。

Logistic 分布在极值问题中被使用，它可以作为 Gumbel 分布的混合，在流行病学中，以及在国际象棋联合会（FIDE）中，它被用于 Elo 排名系统，假设每个选手的表现是一个 Logistic 分布的随机变量。

参考文献

1: Reiss, R.-D. 和 Thomas M. (2001), “极值的统计分析，来自保险、金融、水文学和其他领域,” Birkhauser Verlag, 巴塞尔, 第132-133页。
2: Weisstein, Eric W. “Logistic 分布。” 来自 MathWorld–A Wolfram Web 资源。 https://mathworld.wolfram.com/LogisticDistribution.html
3: Wikipedia, “Logistic 分布”, 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()  

dask.array.random.laplace

dask.array.random.lognormal