Máy Tính Phân Vị (Quantile) Phân Phối Logistic

Máy Tính Phân Vị (Quantile) Phân Phối Logistic

Mới nổi AI Skill PRO

Nhập phép tính

Công thức

x=a+b·ln⁡(p1−p)x = \text{a} + \text{b} \cdot \ln\!\left(\frac{\text{p}}{1 - \text{p}}\right)
Thống kê sử dụng

Quảng cáo

Kết quả

Điểm phân vị x (quantile)
0
CDF logistic nghịch đảo
Xác suất đuôi dưới được sử dụng 0,5
Logit (log-odds) 0

Báo lỗi nội dung trang này

Công cụ này làm gì

Phân phối logistic là một phân phối xác suất liên tục có hình dạng giống đường cong chuẩn (normal) nhưng có phần đuôi dày hơn. Nó được sử dụng rộng rãi trong hồi quy logistic, mô hình hóa tăng trưởng và phân tích độ tin cậy. Công cụ này giải bài toán nghịch đảo: cho trước một xác suất tích lũy, nó trả về điểm phân vị x (còn gọi là quantile) — nơi mà hàm phân phối tích lũy (CDF) của phân phối logistic đạt đến xác suất đó.

Cách sử dụng

Trước tiên, hãy chọn xác suất của bạn là giá trị tích lũy đuôi dưới \(P(X \le x)\) hay giá trị tích lũy đuôi trên \(P(X > x)\). Nhập xác suất dưới dạng một số nằm hoàn toàn trong khoảng từ 0 đến 1, sau đó nhập tham số vị trí \(a\) (chính là giá trị trung bình và trung vị) cùng tham số tỉ lệ \(b\), với điều kiện \(b\) phải lớn hơn 0. Công cụ sẽ trả về \(x\) cùng với xác suất đuôi dưới thực tế được dùng để tính và giá trị logit (log-odds) tương ứng.

Hàm phân phối tích lũy logistic hình chữ S, minh họa cách ánh xạ xác suất p trên trục tung sang phân vị x trên trục hoành
Hàm phân vị là hàm ngược của CDF logistic hình chữ S: dóng từ p đến đường cong, rồi dóng ngang sang x.

Giải thích công thức

Hàm CDF của phân phối logistic là \(F(x) = 1 / (1 + e^{-(x-a)/b})\). Giải phương trình này theo \(x\) ta được hàm phân vị (quantile):

$$x = \text{a} + \text{b} \cdot \ln\!\left(\frac{\text{p}}{1 - \text{p}}\right)$$

Trong đó \(p\) là xác suất đuôi dưới. Nếu bạn nhập giá trị đuôi trên \(Q\), công cụ sẽ tự động chuyển đổi trước bằng công thức \(p = 1 - Q\). Biểu thức \(\ln(p / (1 - p))\) chính là logit, hay log-odds, của xác suất. Khi \(p = 0{,}5\) thì logit bằng 0, nên phân vị bằng đúng tham số vị trí \(a\) — điều này khẳng định \(a\) chính là trung vị.

Quảng cáo

Ví dụ minh họa

Giả sử probabilityType = đuôi dưới, probability = 0,9, a = 5, b = 2. Khi đó \(p / (1 - p) = 0{,}9 / 0{,}1 = 9\), và \(\ln(9) = 2{,}197224577\). Vậy $$x = 5 + 2 \times 2{,}197224577 = 9{,}394449.$$ Như vậy, phân vị thứ 90 của phân phối logistic này xấp xỉ 9,39.

Đường cong mật độ xác suất hình chuông của phân phối logistic, có phần đuôi trái được tô màu và một đường thẳng đứng đánh dấu phân vị x
Phân vị x là điểm mà tại đó diện tích phần đuôi dưới được tô màu bằng xác suất p.

Câu hỏi thường gặp

Điều gì xảy ra khi xác suất bằng 0,5? Phân vị chính xác bằng tham số vị trí \(a\), bởi vì phân phối logistic đối xứng quanh giá trị trung bình và trung vị của nó.

Tại sao xác suất phải nằm hoàn toàn trong khoảng từ 0 đến 1? Khi xác suất tiến dần về 0, phân vị tiến tới âm vô cùng; còn khi tiến dần về 1, phân vị tiến tới dương vô cùng. Do đó hai điểm đầu mút không có giá trị hữu hạn.

Tham số tỉ lệ b là gì? Nó quyết định độ phân tán của phân phối; \(b\) càng lớn thì đường cong càng dãn rộng. Độ lệch chuẩn bằng \(b\pi/\sqrt{3}\).

Cập nhật lần cuối:

Phổ biến nhất trong Toán học và Thống kê

Xem tất cả máy tính Toán học và Thống kê