Preguntas etiquetadas con lognormal

Una distribución lognormal es la distribución de una variable aleatoria cuyo logaritmo tiene una distribución normal.

1
¿Por qué es ln [E (x)]> E [ln (x)]?
Estamos tratando con la distribución lognormal en un curso de finanzas y mi libro de texto simplemente dice que esto es cierto, lo cual me parece un poco frustrante ya que mi experiencia en matemáticas no es muy fuerte, pero quiero la intuición. ¿Alguien puede mostrarme por qué este es …
1
¿Por qué la media aritmética es menor que la media de distribución en una distribución logarítmica normal?
Entonces, tengo un proceso aleatorio que genera variables aleatorias distribuidas normalmente XXX. Aquí está la función de densidad de probabilidad correspondiente: Quería estimar la distribución de unos pocos momentos de esa distribución original, digamos el primer momento: la media aritmética. Para hacerlo, dibujé 100 variables aleatorias 10000 veces para poder …
3
Necesita un algoritmo para calcular la probabilidad relativa de que los datos sean muestras de distribución normal versus distribución lognormal
Supongamos que tiene un conjunto de valores y desea saber si es más probable que se muestrearon de una distribución gaussiana (normal) o de una distribución lognormal. Por supuesto, idealmente sabría algo sobre la población o sobre las fuentes de error experimental, por lo que tendría información adicional útil para …
5
¿Cómo realizar la imputación de valores en una gran cantidad de puntos de datos?
Tengo un conjunto de datos muy grande y faltan alrededor del 5% de valores aleatorios. Estas variables están correlacionadas entre sí. El siguiente conjunto de datos R de ejemplo es solo un ejemplo de juguete con datos correlacionados ficticios. 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
Aproximación
Estaba leyendo casualmente un artículo (en economía) que tenía la siguiente aproximación para :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)) , lo que el autor dice que es exacto si X es log-normal (lo cual sé). Lo que no sé es cómo derivar esta aproximación. Intenté calcular una aproximación de Taylor de …
1
¿Puedo asumir (log-) normalidad para esta muestra?
Aquí hay un gráfico QQ para mi muestra (observe el eje Y logarítmico); :n = 1000n=1000n = 1000 Como señaló Whuber, esto indica que la distribución subyacente está sesgada hacia la izquierda (la cola derecha es más corta). Utilizando shapiro.test(sobre los datos transformados logarítmicamente) en R, tengo una prueba estadística …
4
Cómo evitar el término log (0) en regresión
Tengo los siguientes vectores X e Y simples: > 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) Quiero hacer una regresión usando el registro de X. Para evitar obtener el registro (0), trato de poner +1 o +0.1 …
1
¿Es posible integrar analíticamente
En primer lugar, por integración analítica, quiero decir, ¿hay una regla de integración para resolver esto en oposición a los análisis numéricos (como las reglas trapezoidales, Gauss-Legendre o Simpson)? Tengo una función donde es la función de densidad de probabilidad de una distribución lognormal con parámetros y . A continuación, …
1
¿Cuándo está bien escribir "asumimos una distribución normal" de una medición empírica?
Está arraigado en la enseñanza de disciplinas aplicadas, como la medicina, que las mediciones de cantidades biomédicas en la población siguen una "curva de campana" normal. Una búsqueda en Google de la la cadena "que supone una distribución normal" retornos resultados! Parecen, "dado el pequeño número de puntos de datos …
1
Teoría del valor extremo: parámetros de GEV logarítmicos normales
La distribución logarítmica pertenece al dominio de atracción máximo de Gumbel , donde: 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)} Mi pregunta : ¿tenemos y ?μ=μμ=μ\mu=\muσ=βσ=β\sigma=\beta La distribución Generalized Extreme Value también usa la notación (Gumbel es el caso límite ), y comparar los CDF para Standard-Lognormal y …
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.