Ожидаемое значение и дисперсия журнала (а)


20

У меня есть случайная величина где a - нормально распределенная . Что я могу сказать об и ? Аппроксимация тоже будет полезна.N ( μ , σ 2 ) E ( X ) V a r ( X )X(a)=log(a)N(μ,σ2)E(X)Var(X)


4
Я думаю, что вопрос был об "обратном" логарифмическому нормальному, то есть, где нормальный rv A приводит к логарифмически нормальному X = exp (A), спрашивающий спрашивал о распределении X = log (A), которое не определено (из-за того, что иногда требуется журнал отрицательного числа). Для усеченной нормали могут быть некоторые результаты, но они могут быть грязными.
Мартин О'Лири

2
rockportrocker, как отмечает @Martin O'Leary, не имеет математической возможности иметь такую ​​переменную , потому что не определен для отрицательных значений. Как минимум, вам нужно обрезать некоторого неотрицательного значения. Не могли бы вы сказать нам, почему вы считаете, может быть нормальным? log ( a ) a aXlog(a)aa
whuber

Ответы:


23

Если мы рассмотрим «приближение» в довольно общем смысле, мы можем получить что-то.

Мы должны предполагать, что у нас нет фактического нормального распределения, но что-то, что приблизительно нормально, за исключением плотности, не может быть ненулевым в окрестности 0.

Итак , давайте говорить , что является «приблизительно перпендикулярным» (и концентрируется вблизи среднего *) в том смысле , что мы можем handwave прочь беспокойство по поводу приближались 0 (и его последующее влияние на моменты , так как не «опускается около 0»), но с теми же моментами низкого порядка, что и указанное нормальное распределение, тогда мы могли бы использовать ряды Тейлора для аппроксимации моментов преобразованной случайной величины .журнал ( )aalog(a)a

Для некоторого преобразования это включает расширение как ряд Тейлора (представьте себе где играет роль ' ', а принимает роль « »), а затем принять ожидания и затем либо вычислить дисперсию или ожидание квадрата разложения (из которого можно получить дисперсию).g ( μ X + X - μ X ) g ( x + h ) μ X x X - μ X hg(X)g(μX+XμX)g(x+h)μXxXμXh

Полученные приблизительные ожидания и отклонения:

E[g(X)]g(μX)+g(μX)2σX2 и

Var[g(X)](g(μX))2σX2

и так (если я не сделал никаких ошибок), когда :g()=log()

E[log(a)]log(μa)σa22μa2

Var[log(a)]σa2/μa2

* Чтобы это было хорошим приближением, вы обычно хотите, чтобы стандартное отклонение было достаточно маленьким по сравнению со средним (низкий коэффициент вариации).a


2
Поскольку ряд Тейлора для log имеет относительно небольшой радиус сходимости, рекомендуется применять осторожность при применении этих приближений.
whuber

@whuber для расширения вокруг среднего значения, я думаю, что это будет соответствовать совету о том, что «стандартное отклонение должно быть довольно маленьким по сравнению со средним», которым заканчивается мой ответ - если я упускаю некоторые дальнейшие вопросы, что этот совет не распространяется, я должен исправить свой ответ. a
Glen_b

3
Аппроксимация для среднего значения работает очень хорошо для а для дисперсии - для или около того. μ / σ > 2,5μ/σ>1.5μ/σ>2.5
whuber

В любом случае, безусловно, стоит иметь в виду, что мы косвенно полагаемся на сходимость (поскольку ). Спасибо также за предложенные явные значения; если что-нибудь, возможно, я немного переусердствую, когда использую это. Два ценных комментария. ln ( μ + y - μ ) = ln [ μ { 1 + ( y - μ ) / μ } ] = ln ( μ ) + ln [ 1 + ( y - μ ) / μ ]ln(1+x)ln(μ+yμ)=ln[μ{1+(yμ)/μ}]=ln(μ)+ln[1+(yμ)/μ]
Glen_b
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.