对数正态分布对数正态分布机率密度函数
µ=0
累积分布函数
µ=0
参数
值域
概率密度函数
累积分布函数
期望值中位数eµ
众数
⽅差
偏态
峰态
熵值
动差⽣成函数(参见原始动差⽂本)特征函数is
asymptotically divergent but sufficientfor numerical purposes
在概率论与统计学中,对数正态分布是对数为正态分布的任意随机变量的概率分布。如果X 是正态分布的随机变量,则exp(X)为对数分布;同样,如果Y是对数正态分布,则 ln(Y) 为正态分布。如果⼀个变量可以看作是许多很⼩独⽴因⼦的乘积,则这个变量可以看作是对数正态分布。⼀个典型的例⼦是股票投资的长期收益率,它可以看作是每天收益率的乘积。对于x > 0,对数正态分布的概率分布函数为
其中µ与σ分别是变量对数的平均值与标准差。它的期望值是
⽅差为
给定期望值与标准差,也可以⽤这个关系求µ与σ
⽬录[隐藏]
1 与⼏何平均值和⼏何标准差的关系 2 矩 3 局部期望
4 参数的最⼤似然估计 5 相关分布
6 进⼀步的阅读资料7 参考⽂献8 参见
[编辑]与⼏何平均值和⼏何标准差的关系
对数正态分布、⼏何平均数与⼏何标准差是相互关联的。在这种情况下,⼏何平均值等于exp(µ),⼏何平均差等于 exp(σ)。如果采样数据来⾃于对数正态分布,则⼏何平均值与⼏何标准差可以⽤于估计置信区间,就像⽤算术平均数与标准差估计正态分布的置信区间⼀样。
其中⼏何平均数µgeo = exp(µ),⼏何标准差σgeo = exp(σ)[编辑]矩原始矩为:
或者更为⼀般的矩
[编辑]局部期望
随机变量X在阈值k上的局部期望定义为
其中f(x) 是概率密度。对于对数正态概率密度,这个定义可以表⽰为
其中Φ是标准正态部分的累积分布函数。对数正态分布的局部期望在保险业及经济领域都有应⽤。[编辑]参数的最⼤似然估计
为了确定对数正态分布参数µ与σ的最⼤似然估计,我们可以采⽤与正态分布参数最⼤似然估计同样的⽅法。我们来看
其中⽤表⽰对数正态分布的概率密度函数,⽤—表⽰正态分布。因此,⽤与正态分布同样的指数,我们可以得到对数最⼤似然函数:
由于第⼀项相对于µ与σ来说是常数,两个对数最⼤似然函数与在同样的µ与σ
处有最⼤值。因此,根据正态分布最⼤似然参数估计器的公式以及上⾯的⽅程,我们可以推导出对数正态分布参数的最⼤似然估计
[编辑]相关分布
如果Y = ln(X) 与,则Y~N(µ,σ2) 是正态分布。
如果是有同样µ参数、⽽σ可能不同的统
计独⽴对数正态分布变量,并且,则Y也是对数正态分布变量:
。
[编辑]进⼀步的阅读资料
Robert Brooks, Jon Corson 以及J. Donal Wales的\"The Pricing of Index Options When the Underlying Assets All Follow aLognormal Diffusion\[编辑]参考⽂献
因篇幅问题不能全部显示,请点此查看更多更全内容
Copyright © 2019- sarr.cn 版权所有 赣ICP备2024042794号-1
违法及侵权请联系:TEL:199 1889 7713 E-MAIL:2724546146@qq.com
本站由北京市万商天勤律师事务所王兴未律师提供法律服务