La distribución logística

Regresión intermedia con statsmodels en Python

Maarten Van den Broeck

Content Developer at DataCamp

Función de densidad gaussiana (PDF)

from scipy.stats import norm

x = np.arange(-4, 4.05, 0.05)

gauss_dist = pd.DataFrame({
  "x": x,
  "gauss_pdf": norm.pdf(x)}
)

sns.lineplot(x="x",
             y="gauss_pdf",
             data=gauss_dist)

La función de densidad de probabilidad normal

Regresión intermedia con statsmodels en Python

Función de distribución gaussiana (CDF)

x = np.arange(-4, 4.05, 0.05)

gauss_dist = pd.DataFrame({
  "x": x,
   "gauss_pdf": norm.pdf(x),
   "gauss_cdf": norm.cdf(x)}
)

sns.lineplot(x="x",
             y="gauss_cdf",
             data=gauss_dist)

La función de distribución acumulada normal

Regresión intermedia con statsmodels en Python

Función de distribución gaussiana (CDF)

x = np.arange(-4, 4.05, 0.05)

gauss_dist = pd.DataFrame({
  "x": x,
   "gauss_pdf": norm.pdf(x),
   "gauss_cdf": norm.cdf(x)}
)

sns.lineplot(x="x",
             y="gauss_cdf",
             data=gauss_dist)

La función de distribución acumulada normal, con una línea vertical en x = 1

Regresión intermedia con statsmodels en Python

CDF inversa gaussiana

p = np.arange(0.001, 1, 0.001)

gauss_dist_inv = pd.DataFrame({
  "p": p,
  "gauss_inv_cdf": norm.ppf(p)}
)

sns.lineplot(x="p",
             y="gauss_inv_cdf",
             data=gauss_dist_inv)

La función de distribución acumulada inversa normal

Regresión intermedia con statsmodels en Python

PDF logística

from scipy.stats import logistic

x = np.arange(-4, 4.05, 0.05)

logistic_dist = pd.DataFrame({
  "x": x,
  "log_pdf": logistic.pdf(x)}
)

sns.lineplot(x="x",
             y="log_pdf",
             data=logistic_dist)

La función de densidad de probabilidad logística

Regresión intermedia con statsmodels en Python

Distribución logística

  • La CDF de la distribución logística también se llama función logística.

  • $\text{cdf}(x) = \frac{1}{(1 + exp(-x))}$

  • La CDF inversa logística también se llama función logit.

  • $\text{inverse\_cdf}(p) = log(\frac{p}{(1 - p)})$
Regresión intermedia con statsmodels en Python

¡Vamos a practicar!

Regresión intermedia con statsmodels en Python

Preparing Video For Download...