Câu hỏi được gắn thẻ «lognormal»

Một phân phối lognatural là phân phối của một biến ngẫu nhiên có logarit có phân phối bình thường.

1
Tại sao ln [E (x)]> E [ln (x)]?
Chúng tôi đang xử lý phân phối hợp lý trong một khóa học tài chính và sách giáo khoa của tôi chỉ nói rằng điều này là đúng, điều mà tôi thấy khó chịu vì nền tảng toán học của tôi không mạnh lắm nhưng tôi muốn có trực giác. …


3
Cần thuật toán để tính toán khả năng tương đối rằng dữ liệu được lấy mẫu từ phân phối chuẩn so với bình thường
Giả sử bạn có một tập hợp các giá trị và bạn muốn biết liệu có nhiều khả năng chúng được lấy mẫu từ phân phối Gaussian (bình thường) hoặc được lấy mẫu từ phân phối logic không? Tất nhiên, lý tưởng nhất là bạn biết điều gì đó về …

5
Làm thế nào để thực hiện việc cắt bỏ các giá trị trong số lượng điểm dữ liệu rất lớn?
Tôi có một bộ dữ liệu rất lớn và thiếu khoảng 5% giá trị ngẫu nhiên. Các biến này có mối tương quan với nhau. Ví dụ R tập dữ liệu sau đây chỉ là một ví dụ đồ chơi với dữ liệu tương quan giả. set.seed(123) # matrix of …
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
Xấp xỉ
Tôi tình cờ đọc được một bài báo (về kinh tế) có xấp xỉ sau cho :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)) , mà tác giả nói là chính xác nếu X là log-normal (mà tôi biết). Những gì tôi không biết là làm thế nào để lấy được xấp xỉ …






1
Khi nào thì viết được, chúng tôi đã giả sử một bản phân phối bình thường của một phép đo thực nghiệm?
Nó đã ăn sâu vào việc giảng dạy các ngành học ứng dụng, chẳng hạn như y học, rằng các phép đo đại lượng y học sinh học trong dân số theo một "đường cong hình chuông" bình thường. Một tìm kiếm của Google về chuỗi "chúng tôi giả định …


1
Lý thuyết giá trị cực đoan: Thông số GEV logic
Phân phối hợp lý thuộc về miền thu hút tối đa của Gumbel , trong đó: 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)} Câu hỏi của tôi : Chúng ta có μ=μμ=μ\mu=\mu và σ=βσ=β\sigma=\beta ? Các phân phối tổng quát cực trị cũng sử dụng ký hiệu β=σβ=σ\beta=\sigma (Gumbel …

1
Nếu
Giả sử có phân phối log-normal và có một số dương thực c . vậy thì có đúng không khi nói rằng ( X - c ) cũng có một số phân phối log-normal? Cảm giác của tôi là, điều đó không thể, bởi vì ( X - c ) …
9 lognormal 

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.