1樓：jlstat2020
不太清楚你要怎麼用。也許不是統計裡的？
沒在國內學過邏輯分布，特意查了一下是logistic distribution. 如果是統計裡，一般應用方面是在廣義線性模型中。不過你也通過這個函式的密度函式看出來，你用混了沒事，這個等於是正態分佈加上probit，和你直接用這個一樣，沒有大影響。
另外就是分布的區別，這個比正態分佈的尾巴厚一些，disperse的厲害一點。不過單純做檢驗，比如說我沒有檢驗是不是正態分佈，影響不大，說實話，只是解決乙個問題沒有太大必要糾結。
看你的問題吧。
2樓：康殼
結果會變差，比如說你要把一組符合正態分佈的資料估計成其他的分布，不管你怎麼調整分布的引數，總是無法很好的擬合。其實在演算法中很多時候都會有這種問題，只是嚴不嚴重的區別，因為很多場景的建模都是缺乏先驗知識的，比如說我建模物體下落只用萬有引力公式，不考慮空氣阻力，那你的資料和你的模型就是失配的，空氣阻力越大你失配越嚴重，估計結果就越差。
怎樣理解隨機變數的函式的分布？
風AA 最近剛好在學這一塊。隨機變數，就是隨事件 由概率決定 而改變的變數，從乙個抽象的 空間中統一化成數學的符號 而分布函式則是將隨機變數的統計規律性描述出來。隨機變數的函式則是將事件從 中抽象出來的X視作另乙個 而對應這個新的 中將其裡面的事件抽象出來變成Y。這也就是我們常見的 Y X 1出現的...
怎麼理解隨機變數序列？
行走清河南北 理解了數列，理解了函式列，各種函式列的具體形式見過，等等其實就是一種序列，隨機變數本質上就是函式 可測函式 於是隨機變數序列的理解，順理成章，垂手可得。再加上書上寫的明白，教師講課中的解釋說明比較，搞懂應該很容易。 概率統計一招制敵 1.學習過函式數列嗎？就是fn x x定義在同乙個定...
為什麼連續型隨機變數的函式的概率分布不能像離散型隨機變數那樣直接對應過去？
理呆哥 根源在於，所謂連續型概率密度本身是帶量綱的，是強度量，其量綱是你所描述變數的觀測尺度的倒數。而概率本身的含義是比例，比例是無量綱的。它們在運算方式上是接近的，比如求和對應於求積分，概率密度也會有類似概率的條件與邊緣，先驗與後驗的稱呼和運算規則。這是因為，我們總是先將概率密度乘上最小觀測尺度變...