对数正态分布

对数正态分布 维基百科，自由的百科全书 跳转到： 导航, 搜索 对数正态分布 機率 密度 函數 μ =0 累積分布函數 μ =0 參數 值域概率密度函数累積分布函數期望值中位數眾數方差偏態峰態熵值動差生成函數(参见原始动差文本) 特徵函數is asymptotically divergent but sufficient for 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 ，对数正态分布的概率分布函数为 其中 与 分别是变量对数的平均值与標準差。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 与 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 ，几何平均差等于 。 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。 置信区间界 对数空间 几何 3σ 下界 2σ 下界 1σ 下界 1σ 上界 2σ 上界 3σ 上界 其中几何平均数 ，几何标准差 [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 在阈值 上的局部期望定义为 其中 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 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...