正态分布除以对数正态分布的比率分布

机器算法验证 分布 正态分布 随机变量 对数正态分布 比率
2022-03-19 03:29:42

我想知道变量的分布(和矩) ,其中 和, ? 因此,我想要的是的分布。Z=X/YXN(μx,σx2)YLognormal(μy,σy)p(z|μx,σx,μy,σy)

下面是所需分布的两个数字说明。在图中绘制:

  • 蓝色: (μx,σx,μy,σy)=(0,1,0,1)
  • 红色: (μx,σx,μy,σy)=(0,15,0,1)
set.seed(123456L)
obs <- 10000
#### mu_x = 0 
X_0 <- rnorm(obs, 0 , 1) 
Y <- exp(rnorm(obs, 0 , 1)) 
Z_0 <- X_0 / Y
summary(Z_0) 
# Min.   1st Qu.    Median      Mean   3rd Qu.      Max. 
# -44.06862  -0.58312   0.01182   0.04968   0.62222  42.12307
hist(Z_0,breaks = 250,xlim = c(-10,50),  col='skyblue')

#### mu_x = 15
X_15 <- rnorm(obs, 15 , 1) 
Z_15 <- X_15 / Y
summary(Z_15) 
# Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
# 0.3174   7.5281  14.8337  24.5105  29.6927 657.0103 
hist(Z_10,breaks = 500,add = T,col=scales::alpha('red',.5))    
legend("topright", c("Z_0", "Z_15"), fill=c("skyblue", scales::alpha('red',.5)))

在此处输入图像描述

2个回答

找到产品或比率的封闭形式分布看起来相当具有挑战性,因为即使是简单的情况(零均值和单位标准偏差)似乎也不会产生封闭形式。

假设是独立的随机变量,问题的另一部分 ... 找到特别是,如果 ,并且,那么然后,通过独立性:Z=X/YXYYLognormal(μy,σy)W=1/YWLognormal(μy,σy)

E[Zr]=E[Xr]E[Wr]

它是矩和对数正态随机变量的矩的乘积,两者都是标准结果,可在任何教科书或 wiki 等中轻松获得rthrth

的密度 因为将转换为的雅可比行列式是Z

f(z)=12πσxσy0exp{[zyμx]2/2σx2[log(y)μy]2/2σy2} dy
(x,y)(zy,y)y