Функция плотности вероятности Идентичный параметр, но разные параметры | |||
Кумулятивная функция распределения | |||
Обозначение | |||
---|---|---|---|
Параметры | , | ||
Поддерживать | |||
CDF | |||
Квантиль | |||
Иметь в виду | |||
Медиана | |||
Режим | |||
Дисперсия | |||
Асимметрия | |||
Бывший. эксцесс | |||
Энтропия | |||
MGF | определяется только для чисел с неположительной действительной частью, см. текст | ||
CF | представление асимптотически расходится, но достаточно для численных целей | ||
Информация Fisher | |||
Метод моментов | , |
В теории вероятностей , А распределение логнормальный (или логнормальный) является непрерывным распределением вероятностей из случайной величины которой логарифм является нормально распределенным . Таким образом, если случайная величина X имеет логнормальное распределение, то Y = ln ( X ) имеет нормальное распределение. [1] [2] [3] Эквивалентно, если У имеет нормальное распределение, то в экспоненциальной функции из Y , Х = ехр ( Y ), имеет логнормальное распределение. Случайная величина, которая имеет логарифмическое нормальное распределение, принимает только положительные действительные значения. Это удобная и полезная модель для измерений в точных и технических науках, а также в медицине , экономике и других областях (например, энергии, концентрации, длины, финансовой отдачи и других показателей).
Это распределение иногда называют распределением Гальтона или распределением Гальтона в честь Фрэнсиса Гальтона . [4] Логнормальное распределение также было связано с другими именами, такими как Макалистер, Гибрат и Кобб-Дуглас . [4]
Логнормальный процесс - это статистическая реализация мультипликативного произведения многих независимых случайных величин , каждая из которых положительна. Это оправдывается рассмотрением центральной предельной теоремы в лог-области (иногда называемой законом Гибрата ). Логнормальное распределение - это максимальное распределение вероятностей энтропии для случайной переменной X, для которой указаны среднее значение и дисперсия ln ( X ) . [5]
Определения [ править ]
Генерация и параметры [ править ]
Позвольте быть стандартной нормальной переменной , и позвольте и быть двумя действительными числами. Тогда распределение случайной величины
называется логнормальным распределением с параметрами и . Это ожидаемое значение (или среднее значение ) и стандартное отклонение натурального логарифма переменной , а не само математическое ожидание и стандартное отклонение .
Это соотношение верно независимо от основания логарифмической или экспоненциальной функции: если оно нормально распределено, то то же самое и для любых двух положительных чисел . Точно так же, если логарифм нормально распределен, то так и есть , где .
Чтобы получить распределение с желаемым средним значением и дисперсией , используются и
В качестве альтернативы можно использовать «мультипликативный» или «геометрический» параметры и . Они имеют более прямую интерпретацию: это медиана распределения, полезная для определения интервалов «разброса», см. Ниже.
Функция плотности вероятности [ править ]
Положительная случайная величина X имеет нормальное логарифмическое распределение (т. Е. [1] ), если натуральный логарифм X нормально распределен со средним значением и дисперсией :
Пусть и - соответственно кумулятивная функция распределения вероятностей и функция плотности вероятности распределения N (0,1), тогда мы имеем, что [2] [4]
Кумулятивная функция распределения [ править ]
Кумулятивная функция распределения является
где - кумулятивная функция распределения стандартного нормального распределения (т. е. N (0,1)).
Это также может быть выражено следующим образом: [2]
где erfc - дополнительная функция ошибок .
Многомерный нормальный логарифм [ править ]
Если - многомерное нормальное распределение , то имеет многомерное логнормальное распределение [6] [7] со средним
и ковариационная матрица
Поскольку многомерное логнормальное распределение широко не используется, остальная часть этой статьи имеет дело только с одномерным распределением .
Характеристическая функция и функция создания момента [ править ]
Все моменты логнормального распределения существуют и
Это можно получить, допуская интеграл. Однако логнормальное распределение не определяется его моментами. [8] Это означает, что он не может иметь определенной производящей функции момента в окрестности нуля. [9] Действительно, ожидаемое значение не определено для любого положительного значения аргумента , поскольку определяющий интеграл расходится.
Характеристическая функция определена для действительных значений т , но не определена для любого комплексного значения т , который имеет отрицательную мнимую часть, и , следовательно , функция характерна не аналитическая в начале координат. Следовательно, характеристическая функция логнормального распределения не может быть представлена в виде бесконечного сходящегося ряда. [10] В частности, его формальный ряд Тейлора расходится:
Однако был получен ряд альтернативных представлений расходящихся рядов . [10] [11] [12] [13]
Формула в замкнутом виде для характеристической функции с в области сходимости неизвестна. Относительно простая аппроксимирующая формула доступна в закрытом виде и приведена в [14]
где - W-функция Ламберта . Это приближение получается асимптотическим методом, но оно остается точным во всей области сходимости .
Свойства [ править ]
Геометрические или мультипликативные моменты [ править ]
Геометрическое или мультипликативный среднее логарифмически нормального распределения . Он равен медиане. Геометрическая или мультипликативный стандартное отклонение это . [15] [16]
По аналогии с арифметической статистикой, можно определить геометрическую дисперсию, , и геометрический коэффициент вариации , [15] , было предложено. Этот термин был задуман как аналог коэффициента вариации для описания мультипликативной вариации в логарифмически нормальных данных, но это определение GCV не имеет теоретической основы в качестве самооценки (см. Также Коэффициент вариации ).
Обратите внимание, что среднее геометрическое меньше среднего арифметического. Это связано с неравенством AM – GM и соответствует выпуклому вниз логарифму. Фактически,
- [17]
В финансах этот термин иногда интерпретируется как поправка на выпуклость . С точки зрения стохастического исчисления , это тот же поправочный член, что и в лемме Ито для геометрического броуновского движения .
Арифметические моменты [ править ]
Для любого действительного или комплексного числа п , то п -й момент из лог-нормально распределенной переменной X задается [4]
В частности, среднее арифметическое, ожидаемое квадратическое значение, арифметическая дисперсия и стандартное арифметическое отклонение переменной X с нормальным логарифмическим распределением соответственно задаются следующим образом: [2]
Арифметический коэффициент вариации - это отношение . Для логнормального распределения он равен [3]
Эту оценку иногда называют «геометрической CV» (GCV) [18] [19] из-за использования геометрической дисперсии. В отличие от стандартного арифметического отклонения, арифметический коэффициент вариации не зависит от среднего арифметического.
Параметры μ и σ могут быть получены, если известны среднее арифметическое и дисперсия:
Распределение вероятностей не определяется однозначно моментами E [ X n ] = e nμ +1/2n 2 σ 2 для n ≥ 1. То есть существуют другие распределения с таким же набором моментов. [4] Фактически, существует целое семейство распределений с теми же моментами, что и логнормальное распределение. [ необходима цитата ]
Режим, медиана, квантили [ править ]
Режим является точкой глобального максимума функции плотности вероятности. В частности, решая уравнение , мы получаем:
Поскольку лог-трансформированных переменная имеет нормальное распределение, и квантили сохраняются при монотонных преобразований, квантили являются
где - квантиль стандартного нормального распределения.
В частности, медиана логнормального распределения равна его мультипликативному среднему [20]
Частичное ожидание [ править ]
Частичное ожидание случайной величины относительно порога определяется как
В качестве альтернативы, используя определение условного ожидания , его можно записать как . Для логнормальной случайной величины частичное ожидание определяется как:
где - нормальная кумулятивная функция распределения . Вывод формулы представлен в обсуждении этой статьи в Википедии. [ где? ] Формула частичного математического ожидания имеет применения в страховании и экономике , она используется при решении уравнения в частных производных, приводящего к формуле Блэка – Шоулза .
Условное ожидание [ править ]
Условное ожидание логнормальной случайной величины по отношению к порогу - это ее частичное ожидание, деленное на совокупную вероятность нахождения в этом диапазоне:
Альтернативные параметризации [ править ]
В дополнение к характеристике с помощью или существует несколько способов параметризации логнормального распределения. ProbOnto , база знаний и онтология вероятностных распределений [21] [22], перечисляет семь таких форм:
- LogNormal1 (μ, σ) со средним значением μ и стандартным отклонением σ, оба в логарифмической шкале [23]
- LogNormal2 (μ, υ) со средним значением μ и дисперсией υ, оба в логарифмической шкале
- LogNormal3 (m, σ) с медианой m в натуральном масштабе и стандартным отклонением σ в логарифмической шкале [23]
- LogNormal4 (m, cv) с медианой m и коэффициентом вариации cv, оба в натуральном масштабе
- LogNormal5 (μ, τ) со средним значением μ и точностью τ в логарифмической шкале [24]
- LogNormal6 (m, σ g ) со средним значением m и геометрическим стандартным отклонением σ g , оба в натуральном масштабе [25]
- LogNormal7 (μ N , σ N ) со средним значением μ N и стандартным отклонением σ N , оба в натуральном масштабе [26]
Примеры повторной параметризации [ править ]
Рассмотрим ситуацию, когда нужно запустить модель, используя два разных инструмента оптимального проектирования, например PFIM [27] и PopED. [28] Первый поддерживает LN2, второй - параметризацию LN7 соответственно. Следовательно, требуется повторная параметризация, иначе два инструмента дадут разные результаты.
Для перехода верны следующие формулы .
Для перехода верны следующие формулы .
Все остальные формулы повторной параметризации можно найти в документе спецификации на веб-сайте проекта. [29]
Множественное, Взаимное, Мощное [ править ]
- Умножение на константу: если тогда
- Взаимный: Если то
- Мощность: Если то для
Умножение и деление независимых логнормальных случайных величин [ править ]
Если две независимые логарифмически нормальные переменные и умножаются [делятся], произведение [соотношение] снова логарифмически нормальное с параметрами [ ] и , где . Это легко обобщается на произведение таких переменных.
В более общем смысле, если это независимые, логнормально распределенные переменные, то
Мультипликативная центральная предельная теорема [ править ]
Геометрическое или мультипликативное среднее независимых, одинаково распределенных положительных случайных величин показывает приблизительно логнормальное распределение с параметрами и , при условии, что оно конечно.
Фактически, случайные величины не обязательно должны быть одинаково распределены. Достаточно, чтобы все распределения имели конечную дисперсию и удовлетворяли другим условиям любого из множества вариантов центральной предельной теоремы .
Это широко известно как закон Гибрата .
Другое [ править ]
Набор данных, который возникает из логнормального распределения, имеет симметричную кривую Лоренца (см. Также коэффициент асимметрии Лоренца ). [30]
Гармонические , геометрические и арифметические средние этого распределения взаимосвязаны; [31] такое соотношение задается формулой
Логарифмический нормальное распределение является бесконечно делимым , [32] , но они не являются устойчивыми распределениями , которые могут быть легко извлечь из. [33]
Связанные дистрибутивы [ править ]
- Если - нормальное распределение , то
- Если распределяется нормально логарифмически, то это нормальная случайная величина. [1]
- Пусть быть независимыми лог-нормально распределенных переменных , возможно , с изменением и параметров, а также . Распределение не имеет выражения в замкнутой форме, но может быть разумно аппроксимировано другим логнормальным распределением в правом хвосте. [34] Его функция плотности вероятности в окрестности 0 была охарактеризована [33], и она не похожа ни на какое логнормальное распределение. Обычно используемое приближение Л. Ф. Фентона (но ранее заявленное Р. И. Уилкинсоном и математическое обоснование Марлоу [35] ) получается путем сопоставления среднего и дисперсии другого логнормального распределения:
- В случае, если у всех одинаковый параметр дисперсии , эти формулы упрощаются до
Для более точного приближения можно использовать метод Монте-Карло для оценки кумулятивной функции распределения, PDF и правого хвоста. [36] [37]
- Говорят, что If then имеет трехпараметрическое логарифмически нормальное распределение с поддержкой . [38] , .
- Логнормальное распределение - это частный случай полуограниченного распределения Джонсона .
- Если с , то ( раздача Suzuki ).
- Заменитель логнормального, интеграл которого может быть выражен через более элементарные функции [39], может быть получен на основе логистического распределения, чтобы получить приближение для CDF
- Это логистическое распределение .
Статистический вывод [ править ]
Оценка параметров [ править ]
Для определения оценок максимального правдоподобия параметров логнормального распределения μ и σ мы можем использовать ту же процедуру, что и для нормального распределения . Обратите внимание, что
- ,
где - функция плотности нормального распределения . Следовательно, функция логарифмического правдоподобия
- .
Поскольку первый член постоянен по отношению к μ и σ , обе логарифмические функции правдоподобия и достигают своего максимума с одинаковыми и . Следовательно, оценки максимального правдоподобия идентичны оценкам для нормального распределения наблюдений ,
При конечном n эти оценки смещены. Хотя смещение для незначительно, менее смещенная оценка для нормального распределения получается заменой знаменателя n на n-1 в уравнении для .
Когда отдельные значения недоступны, но есть среднее по выборке и стандартное отклонение s , то соответствующие параметры определяются по следующим формулам, полученным в результате решения уравнений для математического ожидания и дисперсии для и :
- .
Статистика [ править ]
Наиболее эффективный способ анализа данных с нормальным логарифмическим распределением состоит в применении хорошо известных методов, основанных на нормальном распределении, к логарифмически преобразованным данным с последующим обратным преобразованием результатов, если это необходимо.
Интервалы разброса [ править ]
Базовый пример - интервалы разброса: для нормального распределения интервал содержит приблизительно две трети (68%) вероятности (или большой выборки) и содержит 95%. Следовательно, для логнормального распределения
- содержит 2/3, а
- содержит 95%
вероятности. Используя оценочные параметры, в этих интервалах должно содержаться примерно одинаковое процентное соотношение данных.
Доверительный интервал для [ править ]
Используя этот принцип, обратите внимание, что доверительный интервал для is , где - стандартная ошибка, а q - 97,5% квантиль t-распределения с n-1 степенями свободы. Обратное преобразование приводит к доверительному интервалу для ,
- с
Экстремальный принцип энтропии для фиксации свободного параметра [ править ]
В приложениях это параметр, который необходимо определить. Для процессов роста, уравновешенных производством и диссипацией, использование экстремального принципа энтропии Шеннона показывает, что
- [40]
Затем это значение можно использовать для установления некоторого масштабного соотношения между точкой перегиба и точкой максимума логнормального распределения. [40] Это соотношение определяется основанием натурального логарифма , и демонстрирует геометрическое сходство с принципом минимальной поверхностной энергии. Эти масштабные соотношения полезны для прогнозирования ряда процессов роста (распространение эпидемии, разбрызгивание капель, рост населения, скорость вращения водоворота в ванне, распределение языковых символов, профиль скорости турбулентности и т. Д.). Например, логарифмически нормальная функция с таким хорошо согласуется с размером вторично образующихся капель во время удара капли [41] и распространения эпидемического заболевания. [42]
Это значение используется для обеспечения вероятностного решения уравнения Дрейка. [43]
Возникновение и применение [ править ]
Логнормальное распределение важно при описании природных явлений. Многие процессы естественного роста обусловлены накоплением множества небольших процентных изменений, которые становятся добавочными в логарифмическом масштабе. При соответствующих условиях регулярности распределение результирующих накопленных изменений будет все более хорошо аппроксимироваться логнормальным, как отмечалось выше в разделе « Мультипликативная центральная предельная теорема ». Это также известно как закон Гибрата в честь Роберта Гибрата (1904–1980), который сформулировал его для компаний. [44]Если скорость накопления этих небольших изменений не меняется со временем, рост перестает зависеть от размера. Даже если это не так, распределение по размеру вещей, которые со временем растут, в любом возрасте имеет тенденцию быть логнормальным.
Второе обоснование основано на наблюдении, что фундаментальные законы природы подразумевают умножение и деление положительных переменных. Примерами могут служить простой закон гравитации, связывающий массы и расстояние с результирующей силой, или формула для равновесных концентраций химических веществ в растворе, которая связывает концентрации эдуктов и продуктов. Предположение о логнормальном распределении задействованных переменных приводит в этих случаях к согласованным моделям.
Даже если ни одно из этих обоснований не применимо, логнормальное распределение часто является правдоподобной и эмпирически адекватной моделью. Примеры включают следующее:
Человеческое поведение [ править ]
- Длина комментариев, размещаемых в дискуссионных форумах в Интернете, соответствует нормальному распределению. [45]
- Время, затрачиваемое пользователями на онлайн-статьи (анекдоты, новости и т. Д.), Распределено обычным образом. [46]
- Продолжительность шахматных партий имеет тенденцию к логнормальному распределению. [47]
- Продолжительность начала акустических сравнительных стимулов, которые соответствуют стандартному стимулу, подчиняется логнормальному распределению. [17]
- Кубик Рубика решает, как общие, так и индивидуальные, похоже, следует логнормальному распределению. [48]
В биологии и медицине [ править ]
- Меры размера живой ткани (длина, площадь кожи, вес). [49]
- Для высокоинфекционных эпидемий, таких как атипичная пневмония в 2003 г., если задействована политика контроля государственного вмешательства, показано, что количество госпитализированных случаев удовлетворяет логарифмически нормальному распределению без каких-либо свободных параметров, если предполагается энтропия и стандартное отклонение определяется принцип максимальной скорости производства энтропии. [50]
- Длина инертных придатков (волос, когтей, ногтей, зубов) биологических образцов в направлении роста. [ необходима цитата ]
- Нормализованное количество считываний RNA-Seq для любой области генома может быть хорошо аппроксимировано логнормальным распределением.
- Длина считывания последовательности PacBio соответствует логарифмически нормальному распределению. [51]
- Определенные физиологические измерения, такие как артериальное давление у взрослых людей (после разделения на мужские и женские субпопуляции). [52]
- В нейробиологии распределение частоты возбуждения в популяции нейронов часто приблизительно логнормально. Впервые это наблюдалось в коре и полосатом теле [53], а затем в гиппокампе и энторинальной коре [54] и в других частях мозга. [55] [56] Кроме того, собственные распределения усиления и распределения синаптических весов также кажутся логнормальными [57] .
В коллоидной химии и химии полимеров [ править ]
- Распределение частиц по размерам .
- Распределение молярной массы .
Следовательно, эталонные диапазоны для измерений у здоровых людей более точно оцениваются, предполагая логнормальное распределение, чем предполагая симметричное распределение относительно среднего.
Гидрология [ править ]
- В гидрологии логарифмически нормальное распределение используется для анализа экстремальных значений таких переменных, как месячные и годовые максимальные значения суточных осадков и объемов речного стока. [58]
- Изображение справа, созданное с помощью CumFreq , иллюстрирует пример подгонки логнормального распределения к ранжированным годовым максимальным однодневным осадкам, показывающим также пояс 90% уверенности, основанный на биномиальном распределении . [59]
- Данные об осадках представлены в виде графиков позиций как часть кумулятивного частотного анализа .
Социальные науки и демография [ править ]
- В экономике есть свидетельства того, что доход 97–99% населения распределяется логарифмически нормально. [60] (Распределение лиц с более высокими доходами следует распределению Парето ). [61]
- Если распределение доходов следует логнормальному распределению со стандартным отклонением , то коэффициент Джини , обычно используемый для оценки неравенства доходов, можно вычислить как где - функция ошибок (поскольку , где
- В финансах , в частности в модели Блэка – Шоулза , изменения логарифма обменных курсов, индексов цен и индексов фондовых рынков считаются нормальными [62] (эти переменные ведут себя как сложные проценты, а не как простые проценты, и поэтому являются мультипликативными). . Тем не менее, некоторые математики , такие как Бенуа Мандельброт утверждал [63] , что распределение лог-Леви , который обладает тяжелыми хвостами бы более подходящей моделью, в частности , для анализа на фондовом рынке аварий . В самом деле, распределение цен на акции обычно демонстрирует толстый хвост . [64] Распределение «толстых хвостов» изменений во время обвалов фондового рынка делает недействительными предположения центральной предельной теоремы .
- В наукометрии количество цитирований журнальных статей и патентов следует дискретному логнормальному распределению. [65] [66]
- Размеры города (население) удовлетворяют закону Гибрата. [67] Процесс роста размеров города пропорционален и инвариантен по отношению к размеру. Из центральной предельной теоремы , следовательно, логарифм размера города , как правило , распределены.
Технология [ править ]
- В анализе надежности логарифмически нормальное распределение часто используется для моделирования времени ремонта обслуживаемой системы. [68]
- В беспроводной связи «средняя локальная мощность, выраженная в логарифмических значениях, таких как дБ или непер, имеет нормальное (т. Е. Гауссово) распределение». [69] Кроме того, случайное препятствие радиосигналам из-за больших зданий и холмов, называемое затенением , часто моделируется как логнормальное распределение.
- Распределение частиц по размерам, полученное путем измельчения со случайными ударами, например, при шаровой мельнице . [ необходима цитата ]
- Распределение размеров общедоступных файлов аудио- и видеоданных ( типов MIME ) следует нормальному логарифмическому распределению на пять порядков величины . [70]
- В компьютерных сетях и анализе интернет-трафика нормальный логарифм показан как хорошая статистическая модель для представления количества трафика в единицу времени. Это было продемонстрировано применением надежного статистического подхода к большим группам реальных трассировок Интернета. В этом контексте нормальное логарифмическое распределение показало хорошую производительность в двух основных случаях использования: (1) прогнозирование доли времени, в течение которого трафик превысит заданный уровень (для согласования уровня обслуживания или оценки пропускной способности канала), т. Е. Определение размеров канала на основе полосы пропускания. обеспечение и (2) прогнозирование 95-го процентиля ценообразования. [71]
См. Также [ править ]
- Распределение с тяжелым хвостом
- Логарифмическая модель потерь на трассе
- Модифицированное логнормальное степенное распределение
- Медленное затухание
Примечания [ править ]
- ^ a b c «Список вероятностных и статистических символов» . Математическое хранилище . 2020-04-26 . Проверено 13 сентября 2020 .
- ^ a b c d Вайстейн, Эрик В. "Логнормальное распределение" . mathworld.wolfram.com . Проверено 13 сентября 2020 .
- ^ a b «1.3.6.6.9. Логнормальное распределение» . www.itl.nist.gov . Проверено 13 сентября 2020 .
- ^ a b c d e Джонсон, Норман Л .; Коц, Самуэль; Балакришнан, Н. (1994), "14: Логнормальные распределения", Непрерывные одномерные распределения. Vol. 1 , Серия Wiley по вероятности и математической статистике: прикладная вероятность и статистика (2-е изд.), Нью-Йорк: John Wiley & Sons , ISBN 978-0-471-58495-7, MR 1299979
- ^ Park, Sung Y .; Бера, Анил К. (2009). "Модель условной гетероскедастичности авторегрессии максимальной энтропии" (PDF) . Журнал эконометрики . 150 (2): 219–230. CiteSeerX 10.1.1.511.9750 . DOI : 10.1016 / j.jeconom.2008.12.014 . Архивировано из оригинального (PDF) 07 марта 2016 года . Проверено 2 июня 2011 . Таблица 1, стр. 221.
- ^ Tarmast, Гастет (2001). Многомерное логарифмическое нормальное распределение (PDF) . Труды ISI: 53-я сессия. Сеул.
- ^ Холливелл, Ли (2015). Логнормальные случайные многомерные (PDF) . Электронный форум Актуарного общества по несчастным случаям, весна 2015 г., Арлингтон, Вирджиния.
- ^ Heyde, CC. (1963), «Об одном свойстве логнормального распределения», Журнал Королевского статистического общества, серия B , 25 (2), стр. 392–393, DOI : 10.1007 / 978-1-4419-5823-5_6 , ISBN 978-1-4419-5822-8
- ^ Биллингсли, Патрик (2012). Вероятность и мера (Юбилейный ред.). Хобокен, Нью-Джерси: Уайли. п. 415. ISBN 978-1-118-12237-2. OCLC 780289503 .
- ^ a b Холгейт, П. (1989). "Логнормальная характеристическая функция, т. 18, стр. 4539–4548, 1989". Коммуникации в статистике - теория и методы . 18 (12): 4539–4548. DOI : 10.1080 / 03610928908830173 .
- ^ Баракат, R. (1976). «Суммы независимых логнормально распределенных случайных величин». Журнал Оптического общества Америки . 66 (3): 211–216. Bibcode : 1976JOSA ... 66..211B . DOI : 10.1364 / JOSA.66.000211 .
- ^ Barouch, E .; Кауфман, GM .; Глассер, М.Л. (1986). «О суммах логнормальных случайных величин» (PDF) . Исследования по прикладной математике . 75 (1): 37–55. DOI : 10.1002 / sapm198675137 . ЛВП : 1721,1 / 48703 .
- ^ Leipnik, Рой Б. (январь 1991). «О логнормальных случайных величинах: I - Характеристическая функция» (PDF) . Журнал австралийского математического общества серии B . 32 (3): 327–347. DOI : 10.1017 / S0334270000006901 .
- ^ С. Асмуссен, ДЛ Йенсен, Л. Рохас-Nandayapa (2016). «О преобразовании Лапласа логнормального распределения», Методология и вычисления в прикладной вероятности 18 (2), 441-458. Отчет Тиле 6 (13).
- ^ a b Кирквуд, Томас Б.Л. (декабрь 1979 г.). «Геометрические средства и меры рассеяния». Биометрия . 35 (4): 908–9. JSTOR 2530139 .
- ^ Лимперт, E; Стахел, Вт; Аббт, М. (2001). «Логнормальные распределения по наукам: ключи и ключи» . Бионаука . 51 (5): 341–352. DOI : 10,1641 / 0006-3568 (2001) 051 [0341: LNDATS] 2.0.CO; 2 .
- ^ a b Heil P, Фридрих B (2017). «Повторение согласования начала и продолжительности акустических стимулов: обычная арифметика и предлагаемые геометрические меры точности и точности» . Границы в психологии . 7 : 2013. DOI : 10.3389 / fpsyg.2016.02013 . PMC 5216879 . PMID 28111557 .
- ^ Sawant, S .; Мохан, Н. (2011) «Вопросы и ответы: вопросы анализа эффективности данных клинических испытаний с использованием SAS». Архивировано 24 августа 2011 г. в Wayback Machine , PharmaSUG2011 , Paper PO08.
- ^ Шифф, MH; и другие. (2014). «Прямое рандомизированное перекрестное исследование перорального и подкожного метотрексата у пациентов с ревматоидным артритом: ограничения воздействия перорального метотрексата в дозах> = 15 мг можно преодолеть с помощью подкожного введения» . Ann Rheum Dis . 73 (8): 1–3. DOI : 10.1136 / annrheumdis-2014-205228 . PMC 4112421 . PMID 24728329 .
- ^ Дали, Лесли Э .; Бурк, Джеффри Джозеф (2000). Толкование и использование медицинской статистики . Журнал эпидемиологии и общественного здравоохранения . 46 (5-е изд.). Вили-Блэквелл. п. 89. DOI : 10.1002 / 9780470696750 . ISBN 978-0-632-04763-5. PMC 1059583 .
- ^ "Пробонто" . Проверено 1 июля 2017 года .
- ^ Сват, MJ; Grenon, P; Вималаратне, S (2016). «ПробОнто: онтология и база знаний вероятностных распределений» . Биоинформатика . 32 (17): 2719–21. DOI : 10.1093 / биоинформатики / btw170 . PMC 5013898 . PMID 27153608 .
- ^ a b Forbes et al. Распределения вероятностей (2011), John Wiley & Sons, Inc.
- Перейти ↑ Lunn, D. (2012). Книга BUGS: практическое введение в байесовский анализ. Тексты по статистической науке. CRC Press.
- ^ Лимперт, E .; Stahel, WA; Эббт, М. (2001). «Логнормальные распределения по наукам: ключи и подсказки» . Бионаука . 51 (5): 341–352. DOI : 10,1641 / 0006-3568 (2001) 051 [0341: LNDATS] 2.0.CO; 2 .
- ^ Nyberg, J .; и другие. (2012). «PopED - расширенный параллельный инструмент оптимального проектирования для населения». Вычислительные методы Программы Biomed . 108 (2): 789–805. DOI : 10.1016 / j.cmpb.2012.05.005 . PMID 22640817 .
- ^ Retout, S; Duffull, S; Ментре, Ф (2001). «Разработка и внедрение популяционной информационной матрицы Фишера для оценки популяционных фармакокинетических дизайнов». Comp Meth Pro Biomed . 65 (2): 141–151. DOI : 10.1016 / S0169-2607 (00) 00117-6 . PMID 11275334 .
- ^ Команда разработчиков PopED (2016). Руководство по PopED, версия 2.13. Технический отчет, Уппсальский университет.
- ^ Веб-сайт ProbOnto, URL: http://probonto.org
- ^ Дамгаард, Кристиан; Вайнер, Джейкоб (2000). «Описание неравенства в размерах или плодовитости растений». Экология . 81 (4): 1139–1142. DOI : 10,1890 / 0012-9658 (2000) 081 [1139: DIIPSO] 2.0.CO; 2 .
- ^ Россман, Льюис A (июль 1990 г.). «Спроектировать потоки на основе гармонических средств». Журнал гидротехники . 116 (7): 946–950. DOI : 10.1061 / (ASCE) 0733-9429 (1990) 116: 7 (946) .
- ^ Торин, Олоф (1977). «О бесконечной делимости логнормального распределения». Скандинавский актуарный журнал . 1977 (3): 121–148. DOI : 10.1080 / 03461238.1977.10405635 . ISSN 0346-1238 .
- ^ а б Гао, Синь (2009). «Асимптотическое поведение плотности хвоста для суммы коррелированных логнормальных переменных» . Международный журнал математики и математических наук . 2009 : 1–28. DOI : 10.1155 / 2009/630857 .
- ^ Asmussen, S .; Рохас-Нандаяпа, Л. (2008). «Асимптотика сумм логнормальных случайных величин с гауссовой копулой» (PDF) . Статистика и вероятностные письма . 78 (16): 2709–2714. DOI : 10.1016 / j.spl.2008.03.035 .
- Перейти ↑ Marlow, NA. (Ноябрь 1967). «Нормальная предельная теорема для степенных сумм независимых нормальных случайных величин». Технический журнал Bell System . 46 (9): 2081–2089. DOI : 10.1002 / j.1538-7305.1967.tb04244.x .
- ^ Ботев, ЗИ; Л'Экуайер, П. (2017). «Точное вычисление правого хвоста суммы зависимых логнормальных переменных». Зимняя симуляционная конференция 2017 г. (WSC) . 3–6 декабря 2017 г. Лас-Вегас, Невада, США: IEEE. С. 1880–1890. arXiv : 1705.03196 . DOI : 10,1109 / WSC.2017.8247924 . ISBN 978-1-5386-3428-8.CS1 maint: location (link)
- ^ Asmussen, A .; Goffard, P.-O .; Лауб, П.Дж. (2016). «Ортонормированные полиномиальные разложения и логнормальные плотности сумм». arXiv : 1601.01763v1 [ math.PR ].
- ^ Sangal, B .; Бисвас, А. (1970). «Применение трехпараметрического логнормального распределения в гидрологии». Исследование водных ресурсов . 6 (2): 505–515. DOI : 10.1029 / WR006i002p00505 .
- ^ Swamee, П. К. (2002). «Распределение, близкое к логнормальному». Журнал гидрологической инженерии . 7 (6): 441–444. DOI : 10.1061 / (ASCE) 1084-0699 (2002) 7: 6 (441) .
- ^ a b Wu, Ziniu; Ли, Хуан; Бай, Чэньюань (2017). «Масштабируемые отношения процесса роста логнормального типа с экстремальным принципом энтропии» . Энтропия . 19 (56): 1–14. Bibcode : 2017Entrp..19 ... 56W . DOI : 10.3390 / e19020056 .
- Перейти ↑ Wu, Zi-Niu (2003). «Прогнозирование распределения размеров вторичных выброшенных капель путем разбрызгивания капель, падающих на твердую стену». Вероятностная инженерная механика . 18 (3): 241–249. DOI : 10.1016 / S0266-8920 (03) 00028-6 .
- ^ Ван, Вэньбинь; Wu, ZiNiu; Ван, Чуньфэн; Ху, Жуйфэн (2013). «Моделирование скорости распространения контролируемых инфекционных эпидемий с помощью термодинамической модели, основанной на энтропии» . Наука Китай Физика, механика и астрономия . 56 (11): 2143–2150. arXiv : 1304,5603 . Bibcode : 2013SCPMA..56.2143W . DOI : 10.1007 / s11433-013-5321-0 . ISSN 1674-7348 . PMC 7111546 . PMID 32288765 .
- ^ Bloetscher, Фредерик (2019). «Использование предсказательных байесовских методов цепи Монте-Карло-Маркова для обеспечения вероятностного решения уравнения Дрейка». Acta Astronautica . 155 : 118–130. Bibcode : 2019AcAau.155..118B . DOI : 10.1016 / j.actaastro.2018.11.033 .
- ↑ Саттон, Джон (март 1997 г.). «Наследие Гибрата». Журнал экономической литературы . 32 (1): 40–59. JSTOR 2729692 .
- ^ Павел, Собкович; и другие. (2013). «Логнормальное распределение длин сообщений пользователей в обсуждениях в Интернете - следствие закона Вебера-Фехнера?». EPJ Data Science .
- ^ Инь, Пэйфэн; Ло, Пинг; Ли, Ван-Цзянь; Ван, Мин (2013). Молчание также является свидетельством: интерпретация времени ожидания для рекомендации с психологической точки зрения . Международная конференция ACM по KDD.
- ^ "Какова средняя продолжительность партии в шахматы?" . Chess.stackexchange.com . Проверено 14 апреля 2018 года .
- ^ "Среднее время участников Кубка Рубика с соревнований 2019" . reddit.com . 2019-08-21 . Проверено 23 августа 2018 .
- ^ Хаксли, Джулиан С. (1932). Проблемы относительного роста . Лондон. ISBN 978-0-486-61114-3. OCLC 476909537 .
- ^ СК Чан, Дженнифер; Ю, Филип LH (2006). «Моделирование данных SARS с использованием порогового геометрического процесса». Статистика в медицине . 25 (11): 1826–1839. DOI : 10.1002 / sim.2376 . PMID 16345017 .
- ↑ Оно, Юкитеру; Асаи, Киёси; Хамада, Мичиаки (1 января 2013 г.). «PBSIM: PacBio читает симулятор - к точной сборке генома» . Биоинформатика . 29 (1): 119–121. DOI : 10.1093 / биоинформатики / bts649 . ISSN 1367-4803 . PMID 23129296 .
- ^ Макуч, Роберт В .; Д.Х. Фриман; М.Ф. Джонсон (1979). «Обоснование логнормального распределения как модели артериального давления». Журнал хронических болезней . 32 (3): 245–250. DOI : 10.1016 / 0021-9681 (79) 90070-5 . PMID 429469 .
- ^ Шелер, Габриэле; Шуман, Иоганн (2006-10-08). Разнообразие и стабильность скорости вывода нейронов . 36-е собрание общества неврологии, Атланта.
- ^ Mizuseki, Kenji; Бужаки, Дьёрдь (12 сентября 2013 г.). «Предварительно сконфигурированное, искаженное распределение скоростей возбуждения в гиппокампе и энторинальной коре» . Сотовые отчеты . 4 (5): 1010–1021. DOI : 10.1016 / j.celrep.2013.07.039 . ISSN 2211-1247 . PMC 3804159 . PMID 23994479 .
- ^ Бужаки, Дьёрдь; Мидзуэки, Кендзи (06.01.2017). «Лог-динамический мозг: как искаженные распределения влияют на работу сети» . Обзоры природы. Неврология . 15 (4): 264–278. DOI : 10.1038 / nrn3687 . ISSN 1471-003X . PMC 4051294 . PMID 24569488 .
- ^ Ворер, Адриан; Хамфрис, Марк Д .; Маченс, Кристиан К. (1 апреля 2013 г.). «Распределение нейронной активности в популяции во время перцептивного принятия решений» . Прогресс нейробиологии . 103 : 156–193. DOI : 10.1016 / j.pneurobio.2012.09.004 . ISSN 1873-5118 . PMC 5985929 . PMID 23123501 .
- ^ Шелер, Габриэле (2017-07-28). «Логарифмические распределения доказывают, что внутреннее обучение является хеббийским» . F1000 Исследования . 6 : 1222. DOI : 10,12688 / f1000research.12130.2 . PMC 5639933 . PMID 29071065 .
- ^ Oosterbaan, RJ (1994). «6: Частотный и регрессионный анализ» (PDF) . В Ритземе, HP (ред.). Принципы и применение дренажа, Публикация 16 . Вагенинген, Нидерланды: Международный институт мелиорации и улучшения земель (ILRI). С. 175–224 . ISBN 978-90-70754-33-4.
- ^ CumFreq, бесплатное программное обеспечение для настройки распространения
- ^ Клементи, Фабио; Галлегати, Мауро (2005) «Закон Парето о распределении доходов: данные для Германии, Великобритании и США» , EconWPA
- ^ Wataru, Souma (2002-02-22). «Физика личного дохода». В Такаясу, Хидеки (ред.). Эмпирическая наука о финансовых колебаниях: появление эконофизики . Springer. arXiv : cond-mat / 0202388 . DOI : 10.1007 / 978-4-431-66993-7 .
- ^ Черный, F .; Скоулз М. (1973). «Стоимость опционов и корпоративных обязательств». Журнал политической экономии . 81 (3): 637. DOI : 10.1086 / 260062 .
- Перейти ↑ Mandelbrot, Benoit (2004). (Не-) поведение рынков . Основные книги. ISBN 9780465043552.
- ^ Bunchen П., Advanced Опционы , Сиднейский университет coursebook, 2007
- ^ Thelwall, Майк; Уилсон, Пол (2014). «Регрессия для данных цитирования: оценка различных методов». Журнал инфометрики . 8 (4): 963–971. arXiv : 1510.08877 . DOI : 10.1016 / j.joi.2014.09.011 . S2CID 8338485 .
- ^ Шеридан, Пол; Онодера, Таку (2020). «Парадокс предпочтительной привязанности: как предпочтительная привязанность сочетается с ростом для создания сетей с логнормальным распределением по степени» . Научные отчеты . 8 (1): 2811. arXiv : 1703.06645 . DOI : 10.1038 / s41598-018-21133-2 . PMC 5809396 . PMID 29434232 .
- ^ Eeckhout, Ян (2004). «Закон Гибрата для (всех) городов» . Американский экономический обзор . 94 (5): 1429–1451 - через JSTOR.
- ^ О'Коннор, Патрик; Клейнер, Андре (2011). Практическая надежность . Джон Вили и сыновья. п. 35. ISBN 978-0-470-97982-2.
- ^ «Затенение» . www.WirelessCommunication.NL . Архивировано из оригинального 13 января 2012 года.
- ^ Gros, C; Kaczor, G .; Маркович, Д. (2012). «Нейропсихологические ограничения производства человеческих данных в глобальном масштабе». Европейский физический журнал B . 85 (28): 28. arXiv : 1111.6849 . Bibcode : 2012EPJB ... 85 ... 28G . DOI : 10.1140 / epjb / e2011-20581-3 . S2CID 17404692 .
- ^ Аламсар, Мохаммед; Паризис, Джордж; Клегг, Ричард; Захленюк, Николай (2019). «О распределении объемов трафика в Интернете и его последствиях». arXiv : 1902.03853 [ cs.NI ].
Дальнейшее чтение [ править ]
- Ворона, Эдвин Л .; Симидзу, Кунио, ред. (1988), Логнормальные распределения, теория и приложения , статистика: учебники и монографии, 88 , Нью-Йорк: Марсель Деккер, Inc., стр. Xvi + 387, ISBN 978-0-8247-7803-3, Руководство по ремонту 0939191 , Zbl 0644.62014
- Эйчисон, Дж. И Браун, JAC (1957) Логнормальное распределение , Cambridge University Press.
- Лимперт, Е; Стахел, Вт; Аббт, М. (2001). «Логнормальные распределения по наукам: ключи и ключи» . Бионаука . 51 (5): 341–352. DOI : 10,1641 / 0006-3568 (2001) 051 [0341: LNDATS] 2.0.CO; 2 .
- Холгейт, П. (1989). «Логнормальная характеристическая функция». Коммуникации в статистике - теория и методы . 18 (12): 4539–4548. DOI : 10.1080 / 03610928908830173 .
- Брукс, Роберт; Корсон, Джон; Донал, Уэльс (1994). «Оценка опционов индекса, когда все базовые активы следуют логнормальному распространению». Достижения в исследованиях фьючерсов и опционов . 7 . ССРН 5735 .
Внешние ссылки [ править ]
- Нормальное распределение - это логнормальное распределение.
Викискладе есть медиафайлы, связанные с нормальным логарифмическим распределением . |