对数正态分布.docxVIP

對數正態分佈日誌-正常概率密度函數具有相同位置參數μ但不同尺度參數σ一些對數正態分佈密度函數累積分佈函數對數正態分佈的累積分佈函數 （μ = 0）標記法參數Σ2 0 —— 形狀 (實際)Μ∈R — — 日誌-規模支援x∈ (0，+ ∞)PDF民防部隊意思是中位數模式方差偏斜度前女友峭度熵MGF（僅在負半軸上定義，見文本）CF代表是漸近的分歧，但不足為數值的目的Fisher 資訊在概率理論，對數正態分佈是連續概率分佈的隨機變數的對數是通常的分散式。如果X是一個隨機變數與一個正常的分佈，然後Y = exp (X) 具有對數正態分佈 ；同樣，如果Y是日誌通常分佈，然後X = (Y) 日誌已正常分配。一個隨機變數，日誌通常分發需要只有正面的真正價值。日誌正常也會寫入日誌正常或對數。法蘭西斯 · 高爾頓後的角度來看分佈可能偶爾提到的高爾頓分佈或高爾頓的分佈，作為。[1] 日誌正常分配也已經與其他的名稱，例如，麥卡利斯特、 Gibrat 和 Cobb–Douglas 相關聯。[1] 可能作為日誌正常建模變數，如果它可以被看作乘法的產品很多獨立的隨機變數每個其中是積極。（這被辯解通過考慮中日誌域的中心極限定理)例如，在金融領域，該變數可以表示複合返回從一個序列的多個行業 （每個表示，它的回歸 + 1） ；或者可以從產品的短期折扣因素派生一個長期折扣係數。在無線通訊中，造成的陰影或緩慢衰落從隨機物件的 sas 常常假定日誌通常分發： 請參見日誌-距離路徑損失模型.對數正態分佈是最大熵概率分佈的隨機變數X的平均值和方差的固定的。[2] 內容[隱藏]1 Μ和σ2 表徵2.1 概率密度函數2.2 累積分佈函數2.3 、 特徵函數及母函數的時刻3 屬性3.1 位置及規模3.1.1 幾何的時刻3.1.2 算術的時刻3.2 模式和中位數3.3 變異係數3.4 局部期望3.5 其他4 發生5 最大似然估計的參數6 多元日誌-正常7 生成日誌通常分佈隨機變數8 相關的分佈9 相似的發行10 又見11 筆記12 引用13 進一步閱讀14 外部連結[編輯] Μ和σ在對數正態分佈X，參數來表示μ和σ分別是，意思是和變數的自然對數的標準差（根據定義，該變數的對數通常分發），這意味著與Z標準正態變數。這種關係無論是函數的如此的對數或指數的基礎。如果日誌(Y) 通常分散式的所以是日誌b(Y)，為任何兩個正數a、 b ≠ 1。同樣，如果通常分散式的那麼所以是，其中是積極的數位 ≠ 1 。在對數的尺度， μ和σ可以調用位置參數和尺度參數，分別。相比之下的平均值和標準差的非 logarithmized 的採樣值是表示的m和最高法令在這篇文章。[編輯]表徵[編輯]概率密度函數對數正態分佈的概率密度函數是：[1] 這是繼通過應用的正態分佈密度函數的變數變化的規則。[編輯]累積分佈函數累積分佈函數是其中 erfc 是互補誤差函數，，Φ 是標準正常分佈的累積分佈函數。[編輯]特徵函數和矩母函數特徵函數，E [eitX]，有多份意見書。[引證需要]積分本身聚合為Im(t) ≤ 0。最簡單的表示形式被通過泰勒擴大eitX和使用公式的下面，給[引證需要]的時刻這種系列的表示是發散Re(σ2) 0。[引證需要]然而，它足以評估數值在正面的特徵函數，只要保持在上述總和上限為界， n≤N，哪裡和σ2 0.1。[引證需要]使數值參數μ， σ到哪裡是如此強的不平等的域可以與參數μ m， σm使用如果X是日誌通常然後分發Xm日誌-通常也分散式的事實。因為，不平等能滿意的足夠小m。級數的第一次彙聚到φ(t) 的值的任意高精度如果m是足夠，小而強的不平等的左半部分滿意的。如果相當大數量的條款，考慮到總和最終分流時強不平等的右側部分已不再有效。另一個有用表示是通過e雙泰勒擴張的可用[3][4] (lnx?μ)(2σ2).瞬間生成函數的日誌正態分佈R，域中不存在，但只存在於半時間間隔 (?∞，0]。[引證需要][編輯]屬性[編輯]位置及規模對於日誌正常分佈，分佈的位置和規模屬性更容易處理使用的幾何平均值和幾何標準差比的算術平均值和標準差。[編輯]矩日誌正常分配的幾何平均值是。因為是對稱的對數正態分佈變數的日誌和單調變換下保留的位數的對數正態分佈的幾何平均數等於其位數。[5] 幾何平均數 (mg) 或者可以從算術平均值 (m) 在對數正態分佈的派生：請注意幾何平均數少比算術平均值。這是因為AM–GM 不平等，和對應于正在向下凸的對數。更正一詞因此可以被解釋為一個凸性校正。從隨機微積分學的角度來看，這是同樣的修正期限和幾何布朗運動的 Itō 的題詞.幾何標準差等於。[引證需要][編輯]算術的時刻如果X是一個 lognormally 分散式的變數，它的預期值(E ——算術平均值)，方差(Var) 和標準差（最