Loi logistique

Cet article est une ébauche concernant les probabilités et la statistique.

Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.

Si ce bandeau n'est plus pertinent, retirez-le. Cliquez ici pour en savoir plus.

Cet article concernant les mathématiques doit être recyclé (novembre 2018).

Une réorganisation et une clarification du contenu paraissent nécessaires. Améliorez-le, discutez des points à améliorer ou précisez les sections à recycler en utilisant {{section à recycler}}.

Paramètres

\mu \,

réel

s>0\,

réel

x\in ]-\infty ,+\infty [

{\frac {{\rm {e}}^{-(x-\mu )/s}}{s\left(1+{\rm {e}}^{-(x-\mu )/s}\right)^{2}}}\!

{\frac {1}{1+{\rm {e}}^{-(x-\mu )/s}}}\!

Loi logistique
Densité de probabilité


Fonction de répartition

Paramètres	$\mu \,$ réel $s>0\,$ réel
Support	$x\in ]-\infty ,+\infty [$
Densité de probabilité	${\frac {{\rm {e}}^{-(x-\mu )/s}}{s\left(1+{\rm {e}}^{-(x-\mu )/s}\right)^{2}}}\!$
Fonction de répartition	${\frac {1}{1+{\rm {e}}^{-(x-\mu )/s}}}\!$
Espérance	$\mu \,$
Médiane	$\mu \,$
Mode	$\mu \,$
Variance	${\frac {\pi ^{2}}{3}}s^{2}\!$
Asymétrie	$0\,$
Kurtosis normalisé	$6/5\,$
Entropie	$\ln(s)+2\,$
Fonction génératrice des moments	${\rm {e}}^{\mu \,t}\,\mathrm {B} (1-s\,t,\;1+s\,t)\!$ pour $\|s\,t\|<1\!$ , Fonction bêta
Fonction caractéristique	${\rm {e}}^{{\rm {i}}\mu t}\,\mathrm {B} (1-ist,\;1+ist)\,$ pour $\|{\rm {i}}st\|<1\,$
modifier

La loi logistique a deux paramètres μ et s > 0 et sa densité est :

f(x;\mu ,{s})={\frac {{\rm {e}}^{-{\frac {x-\mu }{s}}}}{s\left(1+{\rm {e}}^{-{\frac {x-\mu }{s}}}\right)^{2}}}={\frac {1}{4s}}\operatorname {sech} ^{2}\!\left({\frac {x-\mu }{2s}}\right)

F(x;\mu ,s)={\frac {1}{1+{\rm {e}}^{-{\frac {x-\mu }{s}}}}}={\frac {1}{2}}+{\frac {1}{2}}\;\operatorname {tanh} \!\left({\frac {x-\mu }{2s}}\right)

Son espérance et sa variance sont données par les formules suivantes :

\mathbb {E} (X)=\mu \,

{\textrm {Var}}(X)={\frac {s^{2}\pi ^{2}}{3}}

La loi logistique standard est la loi logistique de paramètres 0 et 1. Sa fonction de répartition est la sigmoïde :

F(x)={\frac {1}{1+{\rm {e}}^{-x}}}

Son espérance vaut alors 0 et sa variance $π 2 / 3$ .

Distributions associées

Si $X\sim {\textrm {logistique}}(\mu ,\beta )$ alors $kX+l\sim {\textrm {logistique}}(k\mu +l,k\beta )$ .
Si $X\sim {\mathcal {U}}(0;1)$ (loi uniforme continue) alors $\mu +\beta (\ln(X)-\ln(1-X))\sim {\textrm {logistique}}(\mu ,\beta )$
Si $X,Y\sim {\mathcal {G}}(\alpha ,\beta )$ (loi de Gumbel) alors $X-Y\sim {\textrm {logistique}}(0,\beta )$ .
Si $X,Y\sim {\mathcal {GEV}}(\alpha ,\beta ,0)$ (loi d'extremum généralisée) alors $X-Y\sim {\textrm {logistique}}(0,\beta )$ .
Si $X\sim {\mathcal {G}}(\alpha ,\beta ),\,Y\sim {\mathcal {GEV}}(\alpha ,\beta ,0)$ alors $X+Y\sim {\textrm {logistique}}(2\alpha ,\beta )$ .
Si $X\sim {\textrm {logistique}}(\mu ,s)$ alors son exponentielle suit une loi log-logistique : $\exp(X)\sim \log -{\textrm {logistique}}\left(\alpha ={\rm {e}}^{\mu },\beta ={\frac {1}{s}}\right)$ , et $\exp(X)+\gamma \sim \log -{\textrm {logistique}}3\left(\alpha ={\rm {e}}^{\mu },\beta ={\frac {1}{s}},\gamma \right)$ (loi log-logistique à trois paramètres)
Si $X\sim {\mathcal {E}}(1)$ (loi exponentielle) alors