独立对数正态随机变量的总和是否显示对数正态?


11

我试图理解为什么当您增加观察次数时,两个(或多个)对数正态随机变量的总和接近对数正态分布。我在网上看过,但没有发现任何结果。

显然,如果和是独立的对数正态变量,则根据指数和高斯随机变量的性质,也是对数正态的。但是,没有理由表明也是对数正态的。XX × Y X + YÿX×ÿX+ÿ

然而

如果生成两个独立的对数正态随机变量和,并令,并重复多次此过程,则的分布将显示为对数正态。随着观察次数的增加,它甚至看起来更接近对数正态分布。Y Z = X + Y ZXÿž=X+ÿž

例如:生成一百万对后,Z自然对数的分布在下面的直方图中给出。这显然很像正态分布,表明确实是对数正态。ž

在此处输入图片说明

有没有人对本文有任何见解或参考,可能有助于理解?


您是否假设Y的方差相等?如果模拟,则总和的对数不再看起来很正常。Xÿxx <- rlnorm(1e6,0,3); yy <- rlnorm(1e6,0,1)
Stephan Kolassa,

我确实假设方差相等-我将尝试另一个方差不均的情况,看看最终结果如何。
帕蒂

在2和3的方差下,我得到的东西看起来仍然很正常,看起来像是一个很小的歪斜。
帕蒂

1
浏览以前的问题可能会有所帮助。这里这里都是潜在有用的论文。好看!
Stephan Kolassa,

Answers:


20

对数正态和的近似对数正态性是众所周知的经验法则;许多论文中都提到了它-以及网站上的许多帖子中都提到了这一点。

通过匹配前两个矩来获得对数正态和的对数正态近似有时称为Fenton-Wilkinson近似。

您可能会发现Dufresne的这份文档很有用(可在此处此处获得)。

过去,我有时还会向人们指出米切尔的论文

Mitchell,RL(1968),
“对数正态分布的永久性”。
美国眼镜学会。58:1267-1272。

但这现在已在Dufresne的参考文献中涵盖了。

n

这是1000个模拟值的直方图,每个值都是5万个 iid对数法线之和的对数:

五万个对数正态之和的直方图

如您所见...日志非常偏斜,因此总和与对数正态不是很接近。

nn

*我没有试图弄清楚有多少,但是,由于和的偏度(相当于平均值)的表现方式,几百万显然是不够的


μ=0σ=4

res <- replicate(1000,sum(rlnorm(50000,0,4)))
hist(log(res),n=100)

n=106


您能否在图中添加用于制作直方图的参数(或代码段)?
altroware

1
μμ=0σμ=0σ44
Glen_b-恢复莫妮卡

1
res <- replicate(1000,sum(rlnorm(50000,0,4))); hist(log(res),n=100)26.5


1

2009杜佛尼的谏纸,一个从2004年连同这个有用的纸 盖在历史上数正态分布的总和的近似值,并给出总和数学结果。

μσ

也许[本文](http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=6029348)在特定情况下为您提供了一种对数正态和的中央极限定理,但仍有一个缺乏普遍性。无论如何,Glen_b给出的示例并不十分合适,因为在这种情况下,您可以轻松应用经典的中心极限定理,并且在这种情况下,对数正态总和当然是高斯。

ñ


1
您说在我的示例中“您可以轻松应用经典的中心极限定理”,但是如果您了解直方图显示的内容,显然您不能使用CLT来论证这种情况下n = 50000的正态近似适用;总和非常右偏其对数仍然严重右偏。该示例的要点是,它甚至歪斜到无法通过对数正态进行近似(或者直方图看起来非常接近对称)。更差的近似值(例如法线)将*更糟* /
Glen_b-恢复莫妮卡

我同意,但可能在您的示例中,要么未达到样本的数值收敛(1000次试验太少),要么未达到统计收敛性(5万个加数太少),但是对于无穷大的分布,应该高斯,因为我们处于CLT条件下,不是吗?
米米

1000个样本足以识别总和分布的形状-我们获取的样本数量并不会改变形状,而只是改变了我们所看到的形状。如果我们提取较大的样本,这种明显的偏斜将不会消失,只会变得更平滑。是的,50,000太少了,总和看起来不正常-偏斜非常大,日志仍然看起来非常偏斜。在看起来相当正常之前,它可能需要数百万美元。是的,CLT绝对适用;它是iid并且方差是有限的,因此标准化的手段必须最终达到正态性。
Glen_b-恢复莫妮卡

1

对数正态定律广泛存在于物理现象上,例如,研究系统的任何缩放行为都需要这种变量分布的总和。我知道这篇文章(很长很长,如果您不是专家的话,可能会被忽略!),2003年发表的“对数正态随机变量总和中的广泛分布效应”(《欧洲物理杂志B凝聚态和复杂》系统32、513),并可以通过https://arxiv.org/pdf/physics/0211065.pdf进行访问。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.