对数正态分布
概述
对数正态分布,有时被称为高尔顿分布概率分布的对数正态分布。感兴趣的对数正态分布时适用的数量必须是积极的,因为日志(x只有当存在)x是正的。
统计和机器学习工具箱™提供了几种方法来使用对数正态分布。
参数
使用这些参数的对数正态分布。
参数 | 描述 | 金宝app |
---|---|---|
μ (μ) | 意思是对数的值 | |
σ (σ) | 对数标准差值 |
如果X遵循对数正态分布的参数µ和σ,然后日志(X)遵循正态分布的意思µ和标准偏差σ。
参数估计
符合对数正态分布的数据,发现参数估计,使用lognfit
,fitdist
,或大中型企业
。
对于未经审查的数据,
lognfit
和fitdist
找到的无偏估计分布参数,大中型企业
找到了最大似然估计。对于审查数据,
lognfit
,fitdist
,大中型企业
找到最大似然估计。
不像lognfit
和大中型企业
返回参数的估计,fitdist
返回合适的概率分布对象LognormalDistribution
。对象属性μ
和σ
存储参数估计。
描述性统计
的意思是米和方差v对数正态随机变量的对数正态分布参数的函数µ和σ:
同样,你可以计算对数正态分布的参数µ和σ的意思是米和方差v:
概率密度函数
的对数正态分布的概率密度函数(pdf)
例如,看到的计算对数正态分布pdf。
累积分布函数
累积分布函数(cdf)的对数正态分布
例如,看到的对数正态分布计算提供。
例子
计算对数正态分布pdf
假设一个四口之家的收入在美国遵循对数正态分布μ=日志(20000)
和σ= 1
。计算和绘制收入密度。
创建一个对数正态分布对象指定参数值。
pd = makedist (对数正态的,“亩”日志(20000),“σ”,1)
pd = LognormalDistribution对数正态分布μ= 9.90349σ= 1
计算pdf的值。
x = (10:1000:125010)”;x y = pdf (pd);
情节的pdf。
甘氨胆酸的阴谋(x, y) h =;h。XTick = [0 30000 60000 90000 120000]; h.XTickLabel = {' 0 ',“30000美元”,“60000美元”,…“90000美元”,“120000美元”};
对数正态分布计算提供
评估值的计算提供值x
对数正态分布的均值μ
和标准偏差σ
。
x = 0:0.2:10;μ= 0;σ= 1;p = logncdf (x,μ、σ);
绘制提供。
情节(x, p)网格在包含(“x”)ylabel (“p”)
正常和对数正态分布之间的关系
如果X遵循对数正态分布的参数µ和σ,然后日志(X)遵循正态分布的意思µ和标准偏差σ。使用分布对象检查正常和对数正态分布之间的关系。
创建一个对数正态分布对象指定参数值。
pd = makedist (对数正态的,“亩”5,“σ”,2)
pd = LognormalDistribution对数正态分布μ= 5σ= 2
计算对数正态分布的均值。
意思是(pd)
ans = 1.0966 e + 03
对数正态分布的均值不相等μ
参数。的意思是对数的值等于μ
。证实这种关系通过生成随机数。
生成随机数从对数正态分布,计算其日志值。
rng (“默认”);%的再现性x =随机(pd, 10000, (1);计算lnx =日志(x);
计算对数的值的均值。
m =意味着(计算lnx)
m = 5.0033
日志的意思x
是接近μ
参数的x
,因为x
对数正态分布。
构造一个直方图的计算lnx
与正态分布。
histfit(计算lnx)
情节显示日志的值x
是正态分布的。
histfit
使用fitdist
适合一个分布数据。使用fitdist
用于拟合得到的参数。
pd_normal = fitdist(计算lnx,“正常”)
pd_normal = NormalDistribution正态分布μ= 5.00332[4.96445,5.04219]σ= 1.98296 (1.95585,2.01083)
估计接近正态分布参数的对数正态分布参数5和2。
比较对数正态和毛刺分布pdf文档
比较毛刺pdf使用收入的对数正态pdf生成的数据从一个对数正态分布。
生成收入数据。
rng (“默认”)%的再现性y =随机(对数正态的日志(25000),0.65,[1]500年);
适合毛刺分布。
pd = fitdist (y,“毛刺”)
pd = BurrDistribution毛刺分布α= 26007.2 [21165.5,31956.4]c = 2.63743 [2.3053, 3.0174] k = 1.09658 (0.775479, 1.55064)
情节毛刺和对数正态pdf的收入数据是基于相同的数据。
p_burr = pdf (pd, sortrows (y));p_lognormal = pdf (对数正态的sortrows (y),日志(25000),0.65);p_burr情节(sortrows (y),“- - -”p_lognormal sortrows (y),“-”。)标题(毛刺和对数正态pdf适合收入数据)传说(“毛刺分布”,对数正态分布的)
相关的分布
正态分布——对数正态分布是正态分布密切相关。如果X对数正态分布参数μ和σ,然后日志(x)通常是分布式的意思μ和标准偏差σ。看到正常和对数正态分布之间的关系。
第十二毛刺类型分布——伯尔分布是一个灵活的家庭,可以表达各种各样的分布形状。它已经作为一种极限情况等常用分布γ,对数正态,loglogistic,钟形,j beta发行版(但不是u型)。看到比较对数正态和毛刺分布pdf文档。
引用
[1]阿布拉莫维茨、弥尔顿和艾琳a . Stegun eds。数学函数的手册:公式、图、表和数学。9。多佛打印。[Nachdr。Ausg。冯1972]。多佛关于数学的书。纽约,纽约州:多佛出版,2013年。
[2]埃文斯,M。,N. Hastings, and B. Peacock.统计分布。第二版,霍博肯,台北:约翰·威利& Sons Inc ., 1993年。
[3]无法无天,j·F。寿命数据的统计模型和方法。新泽西州霍博肯:Wiley-Interscience, 1982年。
[4]马,G。,W. W. Tsang. “A Fast, Easily Implemented Method for Sampling from Decreasing or Symmetric Unimodal Density Functions.”暹罗在科学杂志和统计计算。5卷,第二,1984年,页349 - 359。
[5]米克,w . Q。,L. A. Escobar.可靠性数据的统计方法。新泽西州霍博肯:约翰·威利& Sons Inc ., 1998年。
[6]情绪,a . M。,F。A. Graybill, and D. C. Boes.介绍了统计理论。3日。纽约:麦格劳-希尔,1974年。540 - 541页。
另请参阅
LognormalDistribution
|logncdf
|lognpdf
|logninv
|lognlike
|lognstat
|lognfit
|lognrnd