NumPy 1.14 - numpy.random.logistic()

numpy.random.logistic




numpy

numpy.random.logistic

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

एक रसद वितरण से नमूने ड्रा।

नमूने एक पैरामीटर, निर्दिष्ट स्थान (स्थान या माध्य, माध्यिका) और पैमाने (> 0) के साथ एक रसद वितरण से तैयार किए गए हैं।

पैरामीटर:

नियंत्रण रेखा : फ्लोट या array_like की फ्लोट्स, वैकल्पिक

वितरण का पैरामीटर। डिफ़ॉल्ट 0 है।

पैमाना : फ्लोट्स का फ्लोट या array_like, वैकल्पिक

वितरण का पैरामीटर। शून्य से अधिक होना चाहिए। डिफ़ॉल्ट 1 है।

आकार : इंट या टुपल इन्टस, वैकल्पिक

आउटपुट आकार। यदि दी गई आकृति है, जैसे, (m, n, k) , तो m * n * k नमूने खींचे जाते हैं। यदि आकार None (डिफ़ॉल्ट), तो एक मान लौटाया जाता है यदि loc और scale दोनों स्केलर हैं। अन्यथा, np.broadcast(loc, scale).size नमूने तैयार किए जाते हैं।

यह दिखाता है:

बाहर : ndarray या स्केलर

पैरामीटरेड लॉजिस्टिक डिस्ट्रीब्यूशन से नमूने लिए।

यह भी देखें

scipy.stats.logistic
संभाव्यता घनत्व फ़ंक्शन, वितरण या संचयी घनत्व फ़ंक्शन, आदि।

टिप्पणियाँ

लॉजिस्टिक वितरण के लिए संभावना घनत्व है

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

कहा पे \ म्यू = स्थान और रों = पैमाना।

लॉजिस्टिक डिस्ट्रीब्यूशन का उपयोग एक्सट्रीम वैल्यू समस्याओं में किया जाता है, जहाँ यह एपिडेमियोलॉजी में, और विश्व शतरंज महासंघ (FIDE) द्वारा गंबल डिस्ट्रीब्यूशन के मिश्रण के रूप में कार्य कर सकता है, जहाँ एलो रैंकिंग सिस्टम में इसका उपयोग किया जाता है, प्रत्येक खिलाड़ी के प्रदर्शन को मानते हुए तार्किक रूप से वितरित यादृच्छिक चर।

संदर्भ

[R465467] रीस, आर। डी। और थॉमस एम। (2001), "बीमा, वित्त, जल विज्ञान और अन्य क्षेत्रों से चरम मूल्यों का सांख्यिकीय विश्लेषण," बीरकोहोर वेरलाग, बेसल, पीपी 132-133।
[R466467] वीसस्टीन, एरिक डब्ल्यू। "लॉजिस्टिक डिस्ट्रीब्यूशन।" मैथवर्ल्ड से- एक वुल्फ्राम वेब रिसोर्स। http://mathworld.wolfram.com/LogisticDistribution.html
[R467467] विकिपीडिया, "लॉजिस्टिक-वितरण", http://en.wikipedia.org/wiki/Logistic_distribution

उदाहरण

वितरण से नमूने लें:

>>> loc, scale = 10, 1
>>> s = np.random.logistic(loc, scale, 10000)
>>> count, bins, ignored = plt.hist(s, bins=50)

# वितरण के खिलाफ साजिश

>>> def logist(x, loc, scale):
...     return exp((loc-x)/scale)/(scale*(1+exp((loc-x)/scale))**2)
>>> plt.plot(bins, logist(bins, loc, scale)*count.max()/\
... logist(bins, loc, scale).max())
>>> plt.show()