Questions marquées «lognormal»

Une distribution log-normale est la distribution d'une variable aléatoire dont le logarithme a une distribution normale.

1
Pourquoi ln [E (x)]> E [ln (x)]?
Nous avons affaire à la distribution lognormale dans un cours de finance et mon manuel indique simplement que c'est vrai, ce que je trouve un peu frustrant car mes antécédents en mathématiques ne sont pas très solides mais je veux l'intuition. Quelqu'un peut-il me montrer pourquoi c'est le cas?
1
Pourquoi la moyenne arithmétique est-elle plus petite que la moyenne de distribution dans une distribution log-normale?
Donc, j'ai un processus aléatoire générant distribution log-normale des variables aléatoires . Voici la fonction de densité de probabilité correspondante:XXX Je voulais estimer la distribution de quelques instants de cette distribution d'origine, disons le 1er moment: la moyenne arithmétique. Pour ce faire, j'ai dessiné 100 variables aléatoires 10000 fois afin …
3
Besoin d'un algorithme pour calculer la probabilité relative que les données proviennent de la distribution normale vs lognormale
Disons que vous avez un ensemble de valeurs et que vous voulez savoir s'il est plus probable qu'elles aient été échantillonnées à partir d'une distribution gaussienne (normale) ou échantillonnées à partir d'une distribution lognormale? Bien sûr, idéalement, vous devriez savoir quelque chose sur la population ou sur les sources d'erreur …
5
Comment effectuer l'imputation de valeurs dans un très grand nombre de points de données?
J'ai un très grand ensemble de données et il manque environ 5% de valeurs aléatoires. Ces variables sont corrélées entre elles. L'exemple de jeu de données R suivant n'est qu'un exemple de jouet avec des données corrélées factices. set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = …
12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 
1
Approximation
Je lisais nonchalamment un article (en économie) qui avait l'approximation suivante pour :log(E(X))log⁡(E(X))\log(E(X)) ,log(E(X))≈E(log(X))+0.5var(log(X))log⁡(E(X))≈E(log⁡(X))+0.5var(log⁡(X))\log(E(X)) \approx E(\log(X))+0.5 \mathrm{var}(\log(X)) ce que l'auteur dit est exact si X est log-normal (ce que je sais). Ce que je ne sais pas, c'est comment dériver cette approximation. J'ai essayé de calculer une approximation de Taylor …
4
Comment éviter le terme log (0) en régression
J'ai les vecteurs X et Y simples suivants: > X [1] 1.000 0.063 0.031 0.012 0.005 0.000 > Y [1] 1.000 1.000 1.000 0.961 0.884 0.000 > > plot(X,Y) Je veux faire une régression en utilisant le journal de X. Pour éviter d'obtenir le journal (0), j'essaie de mettre +1 …
1
Est-il possible d'intégrer analytiquement
Premièrement, en intégrant analytiquement, je veux dire, existe-t-il une règle d'intégration pour résoudre ce problème par opposition aux analyses numériques (telles que les règles trapézoïdales, Gauss-Legendre ou Simpson)? J'ai une fonction où g ( x ; μ , σ ) = 1F( x ) = x g( x ; μ …
1
Quand est-il OK d'écrire «nous avons supposé une distribution normale» d'une mesure empirique?
Il est ancré dans l'enseignement des disciplines appliquées, comme la médecine, que les mesures des quantités biomédicales dans la population suivent une «courbe en cloche» normale. Une recherche Google de la chaîne "nous avons supposé une distribution normale" renvoie résultats! Ils sonnent comme «étant donné le petit nombre de points …
1
Théorie des valeurs extrêmes: paramètres GEV log-normaux
La distribution lognormale appartient au domaine d'attraction maximal de Gumbel , où: FlogN(x;μ,σ)=Φ(lnx−μσ)FlogN(x;μ,σ)=Φ(ln⁡x−μσ)F^{logN}(x; \mu,\sigma)=\Phi\left(\frac{\ln x - \mu}{\sigma}\right) , FGum(x;μ,β)=e−exp(−x−μβ)FGum(x;μ,β)=e−exp⁡(−x−μβ)F^{Gum}(x;\mu,\beta) = e^{-\exp\left({-\frac{x-\mu}{\beta}}\right)} Ma question : avons-nous et ?μ=μμ=μ\mu=\muσ=βσ=β\sigma=\beta La distribution de valeur extrême généralisée utilise également la notation (Gumbel est le cas limite ), et la comparaison des CDF pour Standard-Lognormal …
1
Si
Disons XXX a une distribution log-normale et il y a un vrai nombre positif ccc. alors est-il juste de dire que( X- c )(X−c)(X -c)a également une distribution log-normale? Mon sentiment est que ça ne peut pas être parce que( X- c )(X−c)(X - c)peut prendre une valeur négative alors …
9 lognormal 
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.