Tôi đang làm một số thí nghiệm số mà bao gồm trong lấy mẫu một bản phân phối lognormal , và cố gắng để ước lượng những khoảnh khắc bằng hai phương pháp:
- Nhìn vào giá trị trung bình mẫu của
- Ước tính và bằng cách sử dụng mẫu có nghĩa là , và sau đó sử dụng thực tế là để phân phối lognatural, chúng ta có .
Câu hỏi là :
Tôi thấy bằng thực nghiệm rằng phương pháp thứ hai thực hiện tốt hơn nhiều so với phương pháp thứ nhất, khi tôi giữ số lượng mẫu cố định và tăng bởi một số yếu tố T. Có giải thích đơn giản nào cho thực tế này không?
Tôi đang đính kèm một hình trong đó trục x là T, trong khi trục y là các giá trị của so sánh các giá trị thực của (đường màu cam), theo các giá trị ước tính. phương pháp 1 - chấm xanh, phương pháp 2 - chấm xanh. trục y nằm trong thang đo log
CHỈNH SỬA:
Dưới đây là mã Mathicala tối thiểu để tạo kết quả cho một T, với đầu ra:
ClearAll[n,numIterations,sigma,mu,totalTime,data,rmomentFromMuSigma,rmomentSample,rmomentSample]
(* Define variables *)
n=2; numIterations = 10^4; sigma = 0.5; mu=0.1; totalTime = 200;
(* Create log normal data*)
data=RandomVariate[LogNormalDistribution[mu*totalTime,sigma*Sqrt[totalTime]],numIterations];
(* the moment by theory:*)
rmomentTheory = Exp[(n*mu+(n*sigma)^2/2)*totalTime];
(*Calculate directly: *)
rmomentSample = Mean[data^n];
(*Calculate through estimated mu and sigma *)
muNumerical = Mean[Log[data]]; (*numerical \[Mu] (gaussian mean) *)
sigmaSqrNumerical = Mean[Log[data]^2]-(muNumerical)^2; (* numerical gaussian variance *)
rmomentFromMuSigma = Exp[ muNumerical*n + (n ^2sigmaSqrNumerical)/2];
(*output*)
Log@{rmomentTheory, rmomentSample,rmomentFromMuSigma}
Đầu ra:
(*Log of {analytic, sample mean of r^2, using mu and sigma} *)
{140., 91.8953, 137.519}
ở trên, kết quả thứ hai là giá trị trung bình mẫu của , thấp hơn hai kết quả khác