Logistische verdeling

Logistische verdeling
Kansdichtheid
Standard logistic PDF
Verdelingsfunctie
Standard logistic CDF
Parameters μ {\displaystyle \mu } (plaats)
s > 0 {\displaystyle s>0} (schaal)
Drager x ( ; + ) {\displaystyle x\in (-\infty ;+\infty )}
Kansdichtheid e ( x μ ) / s s ( 1 + e ( x μ ) / s ) 2 {\displaystyle {\frac {e^{-(x-\mu )/s}}{s\left(1+e^{-(x-\mu )/s}\right)^{2}}}}
Verdelingsfunctie 1 1 + e ( x μ ) / s {\displaystyle {\frac {1}{1+e^{-(x-\mu )/s}}}}
Verwachtingswaarde μ {\displaystyle \mu }
Mediaan μ {\displaystyle \mu }
Modus μ {\displaystyle \mu }
Variantie π 2 3 s 2 {\displaystyle {\frac {\pi ^{2}}{3}}s^{2}}
Scheefheid 0 {\displaystyle 0}
Kurtosis 6 / 5 {\displaystyle 6/5}
Entropie ln ( s ) + 2 {\displaystyle \ln(s)+2}
Moment-
genererende functie
e μ t B ( 1 s t , 1 + s t ) {\displaystyle e^{\mu \,t}\,\mathrm {B} (1-s\,t,\;1+s\,t)}
voor | s t | < 1 {\displaystyle |s\,t|<1} ,
Karakteristieke functie e i μ t B ( 1 i s t , 1 + i s t ) {\displaystyle e^{i\mu t}\,\mathrm {B} (1-ist,\;1+ist)}
voor | i s t | < 1 {\displaystyle |ist|<1}
Portaal  Portaalicoon   Wiskunde

In de kansrekening en de statistiek is de logistische verdeling een continue kansverdeling met als verdelingsfunctie de logistische functie. De verdeling lijkt veel op een normale verdeling, maar heeft dikkere staarten. Ze speelt een rol in onder andere logistische regressie .

Verdelingsfunctie

De eenvoudigste vorm van de verdelingsfunctie, met parameters 0 en 1, is:

F ( x ; 0 , 1 ) = 1 1 + e x {\displaystyle F(x;0,1)={\frac {1}{1+e^{-x}}}}

De algemene vorm, met de parameters μ {\displaystyle \mu } en s {\displaystyle s} , is:

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

Kansdichtheid

De kansdichtheid wordt gegeven door:

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

Parameters

De parameter μ {\displaystyle \mu } is de verwachtingswaarde van de verdeling en de parameter s {\displaystyle s} hangt samen met de standaardafwijking σ {\displaystyle \sigma } via de relatie:

s = 3 π σ {\displaystyle s={\frac {\sqrt {3}}{\pi }}\,\sigma }
· · Sjabloon bewerken
Kansverdelingen
Discrete verdelingen:Bernoulli · binomiaal · geometrisch · hypergeometrisch · negatief-binomiaal · Poisson · uniform · zèta
Continue verdelingen:bèta · Cauchy · chi-kwadraat · Erlang · exponentieel · F-verdeling · gamma · Gumbel · hyperexponentieel · logistisch · lognormaal · normaal · Pareto · Rayleigh · student (t-) · uniform · Weibull
Meerdimensionale verdelingen:multinomiaal · multivariaat normaal