對數常態分布

機率分布

機率論統計學中,任意隨機變數對數服從常態分布,則這個隨機變數服從的分布稱為對數常態分布。如果 是常態分布的隨機變數,則 指數函數)為對數常態分布;同樣,如果 是對數常態分布,則 為常態分布。 如果一個變量可以看作是許多很小獨立因子的乘積,則這個變量可以看作是對數常態分布。一個典型的例子是股票投資的長期收益率,它可以看作是每天收益率的乘積。 對於 ,對數常態分布的機率密度函數

對數常態分布
機率密度函數
Plot of the Lognormal PMF
μ=0
累積分布函數
Plot of the Lognormal CMF
μ=0
母數
值域
機率密度函數
累積分布函數
期望值
中位數
眾數
變異數
偏度
峰度
動差母函數 (參見原始動差文本)
特徵函數 is asymptotically divergent but sufficient for numerical purposes

其中 分別是變量對數平均值標準差。它的期望值

變異數

給定期望值與變異數,也可以用這個關係求

與幾何平均值和幾何標準差的關係

對數常態分布、幾何平均數幾何標準差是相互關聯的。在這種情況下,幾何平均值等於  ,幾何標準差等於  

如果採樣數據來自於對數常態分布,則幾何平均值與幾何標準差可以用於估計信賴區間,就像用算術平均數與標準差估計常態分布的信賴區間一樣。

信賴區間界 對數空間 幾何
3σ 下界    
2σ 下界    
1σ 下界    
1σ 上界    
2σ 上界    
3σ 上界    

其中幾何平均數  ,幾何標準差  

動差

原始動差為:

 
 
 
 

或者更為一般的動差

 

局部期望值

隨機變數   在閾值   上的局部期望值定義為

 

其中   是機率密度。對於對數常態機率密度,這個定義可以表示為

 

其中   是標準常態部分的累積分布函數。對數常態分布的局部期望值在保險業及經濟領域都有應用,著名的Black-Scholes期權定價公式便可由此推導出。

母數的最大概似估計

為了確定對數常態分布母數   最大概似估計,我們可以採用與常態分布母數最大概似估計同樣的方法。我們來看

 

其中用   表示對數常態分布的機率密度函數,用  — 表示常態分布。因此,用與常態分布同樣的指數,我們可以得到對數最大概似函數:

 

由於第一項相對於    來說是常數,兩個對數最大概似函數    在同樣的    處有最大值。因此,根據常態分布最大概似母數估計器的公式以及上面的方程式,我們可以推導出對數常態分布母數的最大概似估計

 

相關分布

  • 如果   ,則  常態分布
  • 如果   是有同樣   母數、而   可能不同的統計獨立對數常態分布變量 ,並且  ,則   也是對數常態分布變量: 

進一步的閱讀資料

參考文獻

  • 對數常態分布, Aitchison, J. and Brown, J.A.C. (1957)
  • Log-normal Distributions across the Sciences: Keys and Clues頁面存檔備份,存於網際網路檔案館, E. Limpert, W. Stahel and M. Abbt,. BioScience, 51 (5), p. 341–352 (2001).
  • 對數常態分布特性, John Hull, in Options, Futures, and Other Derivatives 6E (2005). ISBN 0-13-149908-4
  • Eric W. Weisstein et al. 對數常態分布頁面存檔備份,存於網際網路檔案館) at MathWorld. Electronic document, 2006年10月26日造訪.

參見