Distribució logística

Funció de distribució de probabilitat d'una distribució logística.

En teoria i estadística de probabilitats, la distribució logística és una distribució de probabilitat contínua. La seva funció de distribució acumulada és la funció logística, que apareix en la regressió logística i les xarxes neuronals de feedforward. S'assembla a la distribució normal en forma, però té cues més pesades (curtosi més alta). La distribució logística és un cas especial de la distribució lambda de Tukey.

La funció de distribució acumulada d'una distribució logística.

Quan el paràmetre d'ubicació μ és 0 i el paràmetre d'escala s és 1, aleshores la funció de densitat de probabilitat de la distribució logística ve donada per [1]

f ( x ; 0 , 1 ) = e x ( 1 + e x ) 2 = 1 ( e x / 2 + e x / 2 ) 2 = 1 4 sech 2 ( x 2 ) . {\displaystyle {\begin{aligned}f(x;0,1)&={\frac {e^{-x}}{(1+e^{-x})^{2}}}\\[4pt]&={\frac {1}{(e^{x/2}+e^{-x/2})^{2}}}\\[5pt]&={\frac {1}{4}}\operatorname {sech} ^{2}\left({\frac {x}{2}}\right).\end{aligned}}}


Així, en general, la densitat és:

f ( x ; μ , s ) = e ( x μ ) / s s ( 1 + e ( x μ ) / s ) 2 = 1 s ( e ( x μ ) / ( 2 s ) + e ( x μ ) / ( 2 s ) ) 2 = 1 4 s sech 2 ( x μ 2 s ) . {\displaystyle {\begin{aligned}f(x;\mu ,s)&={\frac {e^{-(x-\mu )/s}}{s\left(1+e^{-(x-\mu )/s}\right)^{2}}}\\[4pt]&={\frac {1}{s\left(e^{(x-\mu )/(2s)}+e^{-(x-\mu )/(2s)}\right)^{2}}}\\[4pt]&={\frac {1}{4s}}\operatorname {sech} ^{2}\left({\frac {x-\mu }{2s}}\right).\end{aligned}}}

Com que aquesta funció es pot expressar en termes del quadrat de la funció secant hiperbòlica "sech", de vegades s'anomena distribució sech-square(d).[2] (Vegeu també: distribució secant hiperbòlica).[3]

La distribució logística rep el seu nom de la seva funció de distribució acumulada, que és una instància de la família de funcions logístiques. La funció de distribució acumulada de la distribució logística també és una versió escalada de la tangent hiperbòlica.[4]

F ( x ; μ , s ) = 1 1 + e ( x μ ) / s = 1 2 + 1 2 tanh ( x μ 2 s ) . {\displaystyle F(x;\mu ,s)={\frac {1}{1+e^{-(x-\mu )/s}}}={\frac {1}{2}}+{\frac {1}{2}}\operatorname {tanh} \left({\frac {x-\mu }{2s}}\right).}

En aquesta equació μ és la mitjana, i s és un paràmetre d'escala proporcional a la desviació estàndard.

Referències

  1. «Figure 3 | Improved Shape Parameter Estimation for the Three-Parameter Log-Logistic Distribution» (en anglès). https://www.hindawi.com.+[Consulta: 18 març 2023].
  2. Johnson, Kotz & Balakrishnan (1995, p.116).
  3. «5.29: The Logistic Distribution» (en anglès). https://stats.libretexts.org,+05-05-2020.+[Consulta: 18 març 2023].
  4. Weisstein, Eric W. «Logistic Distribution» (en anglès). https://mathworld.wolfram.com.+[Consulta: 18 març 2023].
  • Vegeu aquesta plantilla
Distribucions discretes
amb suport finit
Distribucions discretes
amb suport infinit
Distribucions contínues
suportades sobre un interval acotat
Distribucions contínues
suportades sobre un interval semi-infinit
Distribucions contínues
suportades en tota la recta real
Distribucions contínues
amb el suport de varis tipus
Barreja de distribució variable-contínua
Distribució conjunta
Discreta
Ewens
Multinomial
Multinomial de Dirichlet
Multinomial negativa
Contínua
Dirichlet
Dirichlet generalitzada
Estable multivariant
Gamma normal
Gamma normal inversa
Normal multivariable
t multivariable
Matriu de valor
Matriu gamma
Matriu gamma inversa
Matriu normal
Normal de Wishart
Normal de Wishart inversa
t matriu
Wishart
Wishart inversa
Direccionals
Univariada (circular)
Asimètrica de Laplace envoltada
Cauchy envoltada
Exponencial envoltada
Lévy envoltada
Normal envoltada
Circular uniforme
Univariada de von Mises
Bivariada (esfèrica)
Kent
Bivariada (toroidal)
Bivariada de von Mises
Multivariada
von Mises-Fisher
Bingham
Degenerada i singular
Degenerada
Delta de Dirac
Singular
Cantor
Famílies