Distribuzione Logistica

La distribuzione logistica è simile alla normale, ma con code più lunghe.
È usata per modellare fenomeni di crescita, regressione logistica e reti neurali.

Esempio d'uso

La distribuzione logistica viene usata per modellare la probabilità di successo o fallimento in processi decisionali, come la probabilità che un cliente acquisti un prodotto in base al prezzo.

Python Distribuzione Logistica

Può essere eseguito su Google Colab.
`

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import logistic

# Creazione dei dati
x = np.linspace(-10, 10, 100)
y = logistic.pdf(x, loc=0, scale=1)

# Grafico
plt.plot(x, y, label="Distribuzione Logistica", color="blue")
plt.xlabel("Valori")
plt.ylabel("Densità di Probabilità")
plt.title("Distribuzione Logistica")
plt.legend()
plt.show()

Distribuzione Esponenziale

La distribuzione esponenziale è utilizzata per modellare il tempo tra eventi indipendenti che avvengono a una media costante (es. tempo tra chiamate a un call center).

Esempio d'uso

Utilizzata per prevedere il tempo di guasto di un dispositivo elettronico o il tempo di attesa tra due arrivi in una coda.

Python Distribuzione Esponenziale

### **** Può essere eseguito su **Google Colab**. `

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import expon

# Creazione dei dati
x = np.linspace(0, 10, 100)
y = expon.pdf(x, scale=2)

# Grafico
plt.plot(x, y, label="Distribuzione Esponenziale", color="red")
plt.xlabel("Valori")
plt.ylabel("Densità di Probabilità")
plt.title("Distribuzione Esponenziale")
plt.legend()
plt.show()

Conclusione

- La distribuzione logistica è usata in regressione e machine learning per modellare decisioni binarie.
- La distribuzione esponenziale è utile per modellare il tempo tra eventi indipendenti.