请问 正态分布的期望 与 对数正态分布均值方差的期望 之间

来源：蜘蛛抓取(WebSpider) 时间：2017-10-25 19:42 标签： 对数正态分布函数
对数正态分布及其在证券中的应用_图文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
对数正态分布及其在证券中的应用
阅读已结束，下载文档到电脑
想免费下载更多文档？
定制HR最喜欢的简历
你可能喜欢x服从正态分布,求e^x的期望？ - 知乎4被浏览3230分享邀请回答4添加评论分享收藏感谢收起0添加评论分享收藏感谢收起写回答1327人阅读
机器学习（43）
这块儿我是真的没听说过，所以直接抄了维基百科，维基万岁！
概率密度函数
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)为对数正态分布；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密度函数为:
f(x;μ,σ)=1xσ2π--√e-(lnx-μ)2/2σ2
其中 μ 与 σ分别是变量对数的平均值与标准差。
推导过程：概率微分不变性。
一个正的随机变量 x是对数正态分布，当且仅当x是正态分布。那么：
N(lnx;μ,σ)=1σ2π--√exp[-(lnx-μ)22σ2].
利用概率微分不变性，有
N(lnx)dlnx=N(lnx)dlnxdxdx=N(lnx)dxx=lnN(x)dx,,
lnN(x;μ,σ)=1xσ2π--√exp[-(lnx-μ)22σ2],&&x&0
是对数正态分布函数。
期望和方差:
E(X)=eμ+σ2/2
var(X)=(eσ2-1)e2μ+σ2.
给定期望值与方差，也可以用这个关系求μ与 σ:
μ=ln(E(X))-12ln(1+var(X)E(X)2),
σ2=ln(1+var(X)E(X)2).
注意：已知变换后的数据的统计特征可以反过来推导出原始数据的统计特征，不存在数据信息的损失（可以看到对数转换后变量的均值可以直接由样本数据的均值得到，但不进行变化却需要由样本均值方差两方面去推断得到），也可以发现对数正态分布实际上是对数据进行了对数变化，从而变成了正态分布，这样更加方便的得到了相关的统计学变量。
随机变量 X在阈值k上的局部期望定义为
g(k)=∫∞k(x-k)f(x)dx
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
g(k)=exp(μ+σ2/2)Φ(-ln(k)+μ+σ2σ)-kΦ(-ln(k)+μσ)
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，著名的Black-Scholes期权定价公式便可由此推导出。
相关分布（与高斯分布的关系）
如果 Y=ln(X)Y=ln(X) 与X~Log-N(μ,σ2)，则 Y~N(μ,σ2)是正态分布。
如果Xm~Log-N(μ,σ2m),&m=1...n???????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 Y=∏m=1nXm，则 Y 也是对数正态分布变量： Y~Log-N(nμ,∑m=1nσ2m)。
这是因为在高斯分布求和的分布性质。
在股票中的应用
对数正态分布一般被用来描述增长率。比如股票指数，假设今天标普从2000点涨到了2020，相比于n年前的某一天它从100点涨到101点，虽然今天上涨了20点，远高于另一天上涨的1点，但这两天的上涨率是相同的(1%)。
至于为什么要取对数log(x2/x1)，而不是直接用x2/x1，看一眼对数曲线就明白了。(x1,x2分别表示第一天和第二天的股指)。
它有几个很好的性质：
1.假如增长率不变，那么log(1)=0，位于正态分布的中央
2.log(1/a) = -log(a)，也就是说股票在一段时间内涨到两倍和跌一半的概率是一样的
3.x为正(股指永远不会为负值)，y值能取正无穷到负无穷。
&&相关文章推荐
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：79336次
积分：1732
积分：1732
排名：千里之外
原创：96篇
转载：49篇
评论：29条
(6)(7)(1)(1)(33)(8)(3)(4)(27)(29)(15)(9)(3)
(window.slotbydup = window.slotbydup || []).push({
id: '4740887',
container: s,
size: '250,250',
display: 'inlay-fix'

我要回帖

更多关于 对数正态分布函数 的文章

 

随机推荐