De la Wikipedia, enciclopedia liberă.
Distribuție lognormală |
---|
Funcția densității probabilității |
Funcția de distribuție |
Parametrii | {\ displaystyle \ mu \ in \ mathbb {R}} {\ displaystyle \ sigma ^ {2} \ in \ mathbb {R} _ {0} ^ {+}} |
---|
A sustine | {\ displaystyle \ mathbb {R} _ {0} ^ {+}} |
---|
Funcția de densitate | {\ displaystyle {\ frac {e ^ {- {\ frac {(\ ln x- \ mu) ^ {2}} {2 \ sigma ^ {2}}}}} {{\ sqrt {2 \ pi}} {\ sigma} x}}} |
---|
Funcția de distribuție | {\ displaystyle {\ frac {1} {2}} + {\ frac {1} {2}} {\ text {erf}} \ left ({\ frac {\ ln x- \ mu} {{\ sqrt { 2}} \ sigma}} \ right)} |
---|
Valorea estimata | {\ displaystyle e ^ {\ mu + {\ frac {\ sigma ^ {2}} {2}}}} |
---|
Median | {\ displaystyle e ^ {\ mu} \} |
---|
Modă | {\ displaystyle e ^ {\ mu - \ sigma ^ {2}}} |
---|
Varianța | {\ displaystyle e ^ {2 \ mu + \ sigma ^ {2}} (e ^ {\ sigma ^ {2}} - 1)} |
---|
Indicele de asimetrie | {\ displaystyle (e ^ {\ sigma ^ {2}} + 2) {\ sqrt {e ^ {\ sigma ^ {2}} - 1}}} |
---|
Curios | {\ displaystyle e ^ {4 \ sigma ^ {2}} + 2e ^ {3 \ sigma ^ {2}} + 3e ^ {2 \ sigma ^ {2}} - 6} |
---|
Entropie | {\ displaystyle {\ frac {1} {2}} + \ mu + {\ frac {1} {2}} \ log (2 \ pi \ sigma ^ {2})} |
---|
Manual |
În teoria probabilității, distribuția lognormală sau log-normală este distribuția probabilității unei variabile aleatorii {\ displaystyle X} al cărui logaritm {\ displaystyle \ log X} urmează o distribuție normală .
Această distribuție poate aproxima produsul multor variabile aleatorii pozitive independente.
Este folosit și în matematica financiară .
Definiție
Variabila aleatorie {\ displaystyle X = e ^ {N}} urmează distribuția lognormală {\ displaystyle \ log {\ mathcal {X}} (\ mu, \ sigma ^ {2})} dacă și numai dacă {\ displaystyle N = \ log X} urmează distribuția normală {\ displaystyle {\ mathcal {N}} (\ mu, \ sigma ^ {2})} .
Sa funcție de densitate de probabilitate este
- {\ displaystyle f (x) = {\ frac {e ^ {- {\ frac {(\ ln x- \ mu) ^ {2}} {2 \ sigma ^ {2}}}}} {x {\ sqrt {2 \ pi}} {\ sigma}}}} pentru {\ displaystyle x> 0} .
Caracteristici
Funcția de distribuție a distribuției lognormale este
- {\ displaystyle F (x) = \ Phi _ {(\ mu, \ sigma)} (\ ln x) = {\ tfrac {1} {2}} + {\ tfrac {1} {2}} {\ text {erf}} \ left ({\ frac {\ ln x- \ mu} {{\ sqrt {2}} \ sigma}} \ right)}
unde este {\ displaystyle \ Phi _ {(\ mu, \ sigma)}} este funcția de distribuție a distribuției normale și {\ displaystyle {\ text {erf}}} este funcția erorilor .
Momentele simple ale distribuției pot fi deduse din funcția generatoare a momentelor distribuției normale a {\ displaystyle N = \ log X}
- {\ displaystyle \ mu _ {n} (X) = E [X ^ {n}] = E [e ^ {nN}] = g_ {N} (n) = e ^ {n \ mu + n ^ {2 } {\ frac {\ sigma ^ {2}} {2}}}} .
În special sunt găsite
- {\ displaystyle E [X] = e ^ {\ mu + {\ frac {\ sigma ^ {2}} {2}}}}
- {\ displaystyle {\ text {Var}} (X) = E [X ^ {2}] - E [X] ^ {2} = e ^ {2 \ mu} (e ^ {2 \ sigma ^ {2} } -e ^ {\ sigma ^ {2}}) = e ^ {2 \ mu + \ sigma ^ {2}} (e ^ {\ sigma ^ {2}} - 1)} .
Parametrii {\ displaystyle (\ mu, \ sigma ^ {2})} poate fi derivat din speranță și varianță, folosind relația {\ displaystyle {\ tfrac {{\ text {Var}} (X)} {E [X] ^ {2}}} = e ^ {\ sigma ^ {2}} - 1} .
Indicii de asimetrie și kurtosis sunt
- {\ displaystyle \ gamma _ {1} = (e ^ {\ sigma ^ {2}} + 2) {\ sqrt {e ^ {\ sigma ^ {2}} - 1}}} Și {\ displaystyle \ gamma _ {2} = e ^ {4 \ sigma ^ {2}} + 2e ^ {3 \ sigma ^ {2}} + 3e ^ {2 \ sigma ^ {2}} - 6} .
Moda distribuției este {\ displaystyle e ^ {\ mu - \ sigma ^ {2}}} .
Mediana este {\ displaystyle q_ {1/2} = e ^ {\ mu}} și se găsește imediat prin intermediul medianei {\ displaystyle \ mu} din {\ displaystyle N = \ log X} : {\ displaystyle {\ tfrac {1} {2}} = P (N \ leqslant \ mu) = P (X = e ^ {N} \ leqslant e ^ {\ mu})} .
Proprietate
De sine {\ displaystyle X} este o variabilă aleatorie cu distribuție lognormală {\ displaystyle \ log {\ mathcal {N}} (e ^ {\ mu + {\ frac {1} {2}} \ sigma ^ {2}}, e ^ {2 \ mu + \ sigma ^ {2} } (e ^ {\ sigma ^ {2}} - 1))} asa de
- {\ displaystyle N = \ log X} urmează distribuția normală {\ displaystyle {\ mathcal {N}} (\ mu, \ sigma ^ {2})} .
Pentru fiecare transformare liniară (inversabilă)
- {\ displaystyle aN + b} urmează încă o distribuție normală {\ displaystyle {\ mathcal {N}} (a \ mu + b, a ^ {2} \ sigma ^ {2})}
- {\ displaystyle e ^ {aN + b} = e ^ {b} X ^ {a}} urmează o distribuție lognormală {\ displaystyle \ log {\ mathcal {N}} (a \ mu + b, a ^ {2} \ sigma ^ {2})} .
În special, aceștia urmează o distribuție lognormală
- multiplii scalari {\ displaystyle cX} ,
- puterile {\ displaystyle X ^ {a}}
- și invers {\ displaystyle X ^ {- 1}} din {\ displaystyle X} .
Pentru definirea distribuției lognormale nu este important să se aleagă logaritmul natural , adică baza e : două logaritmi distincti {\ displaystyle \ log _ {a} X} Și {\ displaystyle \ log _ {b} X} acestea diferă doar printr-un singur factor {\ displaystyle {\ tfrac {\ log a} {\ log b}}} .
Distribuția lognormală joacă un rol similar cu cel al distribuției normale, care poate oferi o aproximare pentru suma "multor" variabile aleatoare independente {\ displaystyle X_ {1}, ... X_ {n}} având aceeași distribuție ( teorema limitei centrale ). Dacă {\ displaystyle X_ {i}} sunt pozitive atunci distribuția lognormală poate oferi o aproximare pentru produsul lor (la fel cum distribuția normală poate oferi o aproximare pentru suma logaritmilor lor, {\ displaystyle \ textstyle \ log (\ prod _ {i} X_ {i}) = \ sum _ {i} \ log (X_ {i}} ).
Elemente conexe
Alte proiecte