В теории вероятностей логнормальное (или логнормальное ) распределение — это непрерывное распределение вероятностей случайной величины , логарифм которой нормально распределен . Таким образом, если случайная величина X имеет логнормальное распределение, то Y = ln( X ) имеет нормальное распределение. [2] [3] Аналогично, если Y имеет нормальное распределение, то показательная функция Y , X = exp( Y ) , имеет логарифмически нормальное распределение. Случайная величина, имеющая логарифмически нормальное распределение, принимает только положительные действительные значения. Это удобная и полезная модель для измерений в точных и технических науках, а также в медицине , экономике и других областях (например, энергии, концентрации, длины, цены финансовых инструментов и других показателей).
Распределение иногда называют распределением Гальтона или распределением Гальтона в честь Фрэнсиса Гальтона . [4] Логнормальное распределение также ассоциировалось с другими именами, такими как Макалистер , Гибрат и Кобб-Дуглас . [4]
Это соотношение верно независимо от основания логарифмической или экспоненциальной функции: Если нормально распределено, то так же и для любых двух положительных чисел. Аналогично, если логарифмически нормально распределено, то так же и где .
Чтобы получить распределение с желаемым средним значением и дисперсией, используют и
Альтернативно могут быть использованы «мультипликативные» или «геометрические» параметры . Они имеют более прямую интерпретацию: это медиана распределения, полезная для определения интервалов «разброса», см. ниже.
Функция плотности вероятности
Положительная случайная величина имеет логнормальное распределение (т. е. ), если натуральный логарифм нормально распределяется со средним значением и дисперсией.
Пусть и будут соответственно кумулятивной функцией распределения вероятностей и функцией плотности вероятности стандартного нормального распределения, тогда мы имеем, что [2] [4] функция плотности вероятности логарифмически нормального распределения определяется выражением:
Если — многомерное нормальное распределение , то оно имеет многомерное логнормальное распределение. [6] [7] Экспонента применяется поэлементно к случайному вектору . Среднее значение
Поскольку многомерное логнормальное распределение широко не используется, остальная часть этой статьи посвящена только одномерному распределению .
Характеристическая функция и производящая функция момента
Все моменты логнормального распределения существуют и
Это можно получить, введя интеграл. Однако логнормальное распределение не определяется своими моментами. [8] Это означает, что он не может иметь определенную производящую функцию момента в окрестности нуля. [9] Действительно, ожидаемое значение не определяется ни для какого положительного значения аргумента , поскольку определяющий интеграл расходится.
Характеристическая функция определена для действительных значений t , но не определена для любого комплексного значения t , которое имеет отрицательную мнимую часть, и, следовательно, характеристическая функция не является аналитической в начале координат. Следовательно, характеристическую функцию логнормального распределения нельзя представить в виде бесконечного сходящегося ряда. [10] В частности, его формальный ряд Тейлора расходится:
Однако был получен ряд альтернативных представлений расходящихся рядов . [10] [11] [12] [13]
Формула в замкнутом виде для характеристической функции с в области сходимости не известна. Относительно простая аппроксимирующая формула доступна в замкнутой форме и имеет вид [14]
где – функция Ламберта W. Это приближение получено асимптотическим методом, но остается точным во всей области сходимости .
Характеристики
Вероятность в разных областях
Вероятностное содержание логнормального распределения в любой произвольной области можно вычислить с желаемой точностью, сначала преобразуя переменную в нормальную, а затем численно интегрируя с использованием метода трассировки лучей. [15] (код Matlab)
Вероятности функций логнормальной переменной
Поскольку вероятность логарифмически нормального значения может быть вычислена в любой области, это означает, что cdf (и, следовательно, pdf и обратный cdf) любой функции логнормальной переменной также можно вычислить. [15] (код Matlab)
По аналогии с арифметической статистикой можно определить геометрическую дисперсию , и был предложен геометрический коэффициент вариации , [16] . Этот термин был задуман как аналог коэффициента вариации для описания мультипликативной вариации логарифмически нормальных данных, но это определение GCV не имеет теоретической основы в качестве оценки самого себя (см. также Коэффициент вариации ).
Обратите внимание, что среднее геометрическое меньше среднего арифметического. Это связано с неравенством AM – GM и является следствием того, что логарифм является вогнутой функцией . Фактически,
Для любого действительного или комплексного числа n n -й момент логарифмически нормально распределенной переменной X определяется выражением [4]
В частности, среднее арифметическое, ожидаемый квадрат, арифметическая дисперсия и стандартное арифметическое отклонение логарифмически нормально распределенной переменной X соответственно определяются формулой: [2]
Арифметическим коэффициентом вариации является отношение . Для логнормального распределения оно равно [3]
Эту оценку иногда называют «геометрическим CV» (GCV) [19] [20] из-за использования в ней геометрической дисперсии. В отличие от стандартного арифметического отклонения, арифметический коэффициент вариации не зависит от среднего арифметического.
Параметры μ и σ можно получить, если известны среднее арифметическое и дисперсия:
Распределение вероятностей не определяется однозначно моментами E[ X n ] = e nμ +1/2п 2 σ 2 для п ≥ 1. То есть существуют другие распределения с таким же набором моментов. [4]На самом деле существует целое семейство распределений с теми же моментами, что и логнормальное распределение. [ нужна цитата ]
Мода, медиана, квантиль
Мода является точкой глобального максимума функции плотности вероятности . В частности, решив уравнение , получим, что:
Поскольку логарифмически преобразованная переменная имеет нормальное распределение, а квантили сохраняются при монотонных преобразованиях, квантили
где – квантиль стандартного нормального распределения.
В частности, медиана логарифмически нормального распределения равна его мультипликативному среднему, [21]
Частичное ожидание
Частное ожидание случайной величины относительно порога определяется как
В качестве альтернативы, используя определение условного ожидания , его можно записать как . Для логнормальной случайной величины частичное математическое ожидание определяется выражением:
Условное ожидание логарифмически нормальной случайной величины — относительно порога — это ее частичное ожидание, деленное на кумулятивную вероятность нахождения в этом диапазоне:
Альтернативные параметризации
В дополнение к характеристике или , здесь есть несколько способов параметризации логарифмически нормального распределения. ProbOnto , база знаний и онтология вероятностных распределений [22] [23] перечисляет семь таких форм:
LogNormal7(μ N ,σ N ) со средним значением μ N и стандартным отклонением σ N в естественном масштабе [27]
Примеры повторной параметризации
Рассмотрим ситуацию, когда хотелось бы запустить модель с использованием двух разных инструментов оптимального проектирования, например PFIM [28] и PopED. [29] Первый поддерживает параметризацию LN2, второй LN7 соответственно. Поэтому требуется повторная параметризация, иначе два инструмента дадут разные результаты.
Для перехода справедливы формулы и .
Для перехода справедливы формулы и .
Все остальные формулы перепараметризации можно найти в спецификации на сайте проекта. [30]
Множественная, взаимная, сила
Умножение на константу: Если то для
Взаимное: Если тогда
Власть: Если тогда для
Умножение и деление независимых логнормальных случайных величин.
Если две независимые логарифмически нормальные переменные и умножаются [делятся], произведение [отношение] снова становится логарифмически нормальным, с параметрами [ ] и , где . Это легко обобщить на произведение таких переменных.
В более общем смысле, если это независимые переменные с логнормальным распределением, то
Мультипликативная центральная предельная теорема
Среднее геометрическое или мультипликативное значение независимых, одинаково распределенных положительных случайных величин показывает примерно логарифмически нормальное распределение с параметрами и , предполагая, что оно конечно.
На самом деле случайные величины не обязательно должны быть одинаково распределены. Этого достаточно, чтобы все распределения имели конечную дисперсию и удовлетворяли остальным условиям любого из многих вариантов центральной предельной теоремы .
Если распределено логнормально, то это нормальная случайная величина.
Пусть – независимые логарифмически нормально распределенные переменные с возможно меняющимися параметрами и . Распределение не имеет выражения в замкнутой форме, но может быть разумно аппроксимировано другим логнормальным распределением в правом хвосте. [35] Его функция плотности вероятности в окрестности 0 была охарактеризована [34] и не похожа ни на какое логарифмически нормальное распределение. Обычно используемое приближение Л.Ф. Фентона (но ранее сформулированное Р.И. Уилкинсоном и математически обоснованное Марлоу [36] ) получается путем сопоставления среднего значения и дисперсии другого логарифмически нормального распределения:
В случае, когда все имеют одинаковый параметр дисперсии , эти формулы упрощаются до
Для более точного приближения можно использовать метод Монте-Карло для оценки кумулятивной функции распределения, PDF и правого хвоста. [37] [38]
Сумма коррелированных случайных величин с логнормальным распределением также может быть аппроксимирована логнормальным распределением .
Говорят, что if имеет логарифмически нормальное распределение с тремя параметрами и поддержкой . [39] , .
Логнормальное распределение является частным случаем полуограниченного SU-распределения Джонсона . [40]
Если с , то (дистрибутив Suzuki).
Замену логарифмически нормального, чей интеграл можно выразить через более элементарные функции [41], можно получить на основе логистического распределения , чтобы получить аппроксимацию CDF .
Поскольку первый член является постоянным относительно µ и σ , обе логарифмические функции правдоподобия и достигают максимума при одинаковых и . Следовательно , оценки максимального правдоподобия идентичны оценкам для нормального распределения наблюдений
При конечном n оценка для является несмещенной, а оценка для — смещенной. Что касается нормального распределения, несмещенную оценку для можно получить, заменив знаменатель n на n −1 в уравнении для .
Когда отдельные значения недоступны, но имеются среднее значение выборки и стандартное отклонение s , можно использовать метод моментов . Соответствующие параметры определяются по следующим формулам, полученным в результате решения уравнений для математического ожидания и дисперсии для и :
Интервальные оценки
Самый эффективный способ получить интервальные оценки при анализе логарифмически нормально распределенных данных состоит в применении хорошо известных методов, основанных на нормальном распределении, к логарифмически преобразованным данным, а затем при необходимости обратного преобразования результатов.
Интервалы прогнозирования
Базовый пример — интервалы прогнозирования : для нормального распределения интервал содержит примерно две трети (68%) вероятности (или большой выборки) и содержит 95%. Следовательно, для логнормального распределения
Доверительный интервал для μ *
Используя этот принцип, обратите внимание, что доверительный интервал для равен , где – стандартная ошибка, а q – 97,5%-ный квантиль t-распределения с n-1 степенями свободы. Обратное преобразование приводит к доверительному интервалу для ,
Экстремальный принцип энтропии для фиксации свободного параметра σ
В приложениях это параметр, который необходимо определить. Для растущих процессов, сбалансированных производством и диссипацией, использование экстремального принципа энтропии Шеннона показывает, что [42]
Затем это значение можно использовать для определения некоторого масштабного соотношения между точкой перегиба и максимальной точкой логарифмически нормального распределения. [42] Это соотношение определяется основанием натурального логарифма и демонстрирует некоторое геометрическое сходство с принципом минимальной поверхностной энергии. Эти масштабные соотношения полезны для прогнозирования ряда процессов роста (распространение эпидемии, разбрызгивание капель, рост населения, скорость закручивания вихря в ванне, распределение языковых символов, профиль скорости турбулентности и т. д.). Например, логарифмически нормальная функция хорошо согласуется с размером вторично образующихся капель во время воздействия капель [43] и распространения эпидемического заболевания. [44]
Это значение используется для обеспечения вероятностного решения уравнения Дрейка. [45]
Возникновение и применение
Логнормальное распределение важно при описании природных явлений. Многие процессы естественного роста обусловлены накоплением множества небольших процентных изменений, которые становятся аддитивными в логарифмическом масштабе. При соответствующих условиях регулярности распределение результирующих накопленных изменений будет все лучше аппроксимироваться логарифмически нормальным, как отмечалось выше в разделе «Мультипликативная центральная предельная теорема». Это также известно как закон Гибрата , в честь Роберта Гибрата (1904–1980), который сформулировал его для компаний. [46] Если скорость накопления этих небольших изменений не меняется со временем, рост становится независимым от размера. Даже если это предположение неверно, распределение размеров в любом возрасте вещей, которые растут с течением времени, имеет тенденцию быть логарифмически нормальным. [ нужна ссылка ] Следовательно, референсные диапазоны для измерений у здоровых людей более точно оцениваются, если предположить логарифмически нормальное распределение, чем предполагая симметричное распределение относительно среднего значения. [ нужна цитата ]
Второе обоснование основано на наблюдении, что фундаментальные законы природы предполагают умножение и деление положительных переменных. Примерами могут служить простой закон гравитации, связывающий массы и расстояния с результирующей силой, или формула равновесных концентраций химических веществ в растворе, связывающая концентрации продуктов и продуктов. Предположение о логнормальном распределении задействованных переменных приводит в этих случаях к непротиворечивым моделям.
Конкретные примеры приведены в следующих подразделах. [47] содержит обзор и таблицу логнормальных распределений из геологии, биологии, медицины, продуктов питания, экологии и других областей. [48] представляет собой обзорную статью о логнормальном распределении в нейробиологии с аннотированной библиографией.
Поведение человека
Длина комментариев, публикуемых на дискуссионных форумах в Интернете, подчиняется логарифмически нормальному распределению. [49]
Время пребывания пользователей на онлайн-статьях (шутки, новости и т. д.) подчиняется логарифмически нормальному распределению. [50]
Продолжительность шахматных партий имеет тенденцию подчиняться логарифмически нормальному распределению. [51]
Продолжительность начала акустических стимулов сравнения, соответствующих стандартному стимулу, соответствует логарифмически нормальному распределению. [18]
Биология и медицина
Меры размера живой ткани (длина, площадь кожи, вес). [52]
Инкубационный период заболеваний. [53]
Диаметры пятен банановых листьев, мучнистой росы на ячмене. [47]
Показано, что для высокозаразных эпидемий, таких как атипичная пневмония в 2003 году, если применяется государственная политика контроля вмешательства, число госпитализированных случаев удовлетворяет логарифмически нормальному распределению без свободных параметров, если предполагается энтропия, а стандартное отклонение определяется принцип максимальной скорости производства энтропии . [54]
Длина инертных придатков (волос, когтей, ногтей, зубов) биологических особей в направлении роста. [ нужна цитата ]
Нормализованный подсчет считываний РНК-Seq для любой области генома может быть хорошо аппроксимирован логарифмически нормальным распределением.
Длина считывания секвенирования PacBio соответствует логарифмически нормальному распределению . [55]
Определенные физиологические измерения, такие как артериальное давление взрослых людей (после разделения на мужские и женские субпопуляции). [56]
В нейробиологии распределение частоты срабатывания по популяции нейронов часто примерно логарифмически нормальное. Впервые это наблюдалось в коре и полосатом теле [58] , а затем в гиппокампе и энторинальной коре [59] и в других частях мозга. [48] [60] Кроме того, распределение внутреннего усиления и распределение синаптического веса также являются логарифмически нормальными [61] .
Плотность нейронов в коре головного мозга из-за шумного процесса деления клеток во время развития нервной системы. [62]
По размерам лавин изломов в цитоскелете живых клеток наблюдается логнормальное распределение, при этом размеры раковых клеток значительно превышают размеры здоровых. [63]
Диаметры кристаллов в мороженом, капель масла в майонезе, пор в жмыхе какао. [47]
Гидрология
В гидрологии логнормальное распределение используется для анализа экстремальных значений таких переменных, как месячные и годовые максимальные значения суточного количества осадков и объемы речного стока. [65]
Изображение справа, созданное с помощью CumFreq , иллюстрирует пример аппроксимации логарифмически нормального распределения для ранжированных годовых максимальных однодневных осадков, демонстрируя также 90% доверительный интервал , основанный на биномиальном распределении . [66]
В экономике есть данные, что доходы 97–99% населения распределяются логарифмически нормально. [67] (Распределение лиц с более высокими доходами соответствует распределению Парето ). [68]
Если распределение доходов следует логарифмически нормальному распределению со стандартным отклонением , то коэффициент Джини , обычно используемый для оценки неравенства доходов, может быть вычислен как где - функция ошибок , поскольку , где - кумулятивная функция распределения стандартного нормального распределения.
В финансах , в частности в модели Блэка-Шоулза , изменения логарифма обменных курсов, индексов цен и индексов фондового рынка считаются нормальными [69] (эти переменные ведут себя как сложные проценты, а не как простые проценты, и поэтому являются мультипликативными). . Однако некоторые математики, такие как Бенуа Мандельброт, утверждали [70] , что лог-распределения Леви , обладающие тяжелыми хвостами , были бы более подходящей моделью, в частности, для анализа обвалов фондового рынка . Действительно, распределение цен на акции обычно имеет « толстый хвост» . [71] Распределение изменений во время краха фондового рынка с толстым хвостом делает недействительными предположения центральной предельной теоремы .
В наукометрии количество цитирований журнальных статей и патентов подчиняется дискретному логнормальному распределению. [72] [73]
Размеры городов (население) удовлетворяют закону Жибрата. [74] Процесс роста размеров городов пропорционален и инвариантен по отношению к размеру. Следовательно, согласно центральной предельной теореме , логарифм размера города имеет нормальное распределение.
Число сексуальных партнеров, по-видимому, лучше всего описывается логнормальным распределением. [75]
Технологии
В анализе надежности логарифмически нормальное распределение часто используется для моделирования времени ремонта ремонтопригодной системы. [76]
В беспроводной связи «локальная средняя мощность, выраженная в логарифмических значениях, таких как дБ или непер, имеет нормальное (т. е. гауссово) распределение». [77] Кроме того, случайное препятствие радиосигналам из-за больших зданий и холмов, называемое затенением , часто моделируется как логарифмически нормальное распределение.
Распределение частиц по размерам, полученное в результате измельчения случайными ударами, например, при шаровой мельнице . [78]
Распределение размеров общедоступных файлов аудио- и видеоданных ( типы MIME ) следует логарифмически нормальному распределению на пять порядков величины . [79]
Размеры файлов в 140 миллионов файлов на персональных компьютерах под управлением ОС Windows, собранные в 1999 году. [80] [49]
Размеры текстовых электронных писем (1990-е годы) и мультимедийных писем (2000-е годы). [49]
В компьютерных сетях и анализе интернет-трафика логарифмически нормальный считается хорошей статистической моделью, представляющей объем трафика в единицу времени. Это было показано путем применения надежного статистического подхода к большим группам реальных интернет-трасс. В этом контексте логарифмически нормальное распределение показало хорошую производительность в двух основных случаях использования: (1) прогнозирование доли времени, когда трафик превысит заданный уровень (для соглашения об уровне обслуживания или оценки пропускной способности канала), т. е. определение размеров канала на основе пропускной способности. обеспечение и (2) прогнозирование цен 95-го процентиля. [81]
при физическом тестировании , когда тест определяет время до отказа элемента при заданных условиях, данные часто лучше всего анализировать с использованием логнормального распределения. [82] [83]
^ Нортон, Мэтью; Хохлов, Валентин; Урясев, Стэн (2019). «Расчет CVaR и bPOE для распространенных распределений вероятностей с применением для оптимизации портфеля и оценки плотности» (PDF) . Анналы исследования операций . Спрингер. 299 (1–2): 1281–1315. arXiv : 1811.11301 . дои : 10.1007/s10479-019-03373-1. S2CID 254231768. Архивировано (PDF) из оригинала 18 апреля 2021 г. Получено 27 февраля 2023 г. - через stonybrook.edu.
^ abcd Вайсштейн, Эрик В. «Логнормальное распределение». mathworld.wolfram.com . Проверено 13 сентября 2020 г.
^ Абде Джонсон, Норман Л.; Коц, Сэмюэл; Балакришнан, Н. (1994), «14: Логнормальные распределения», Непрерывные одномерные распределения. Том. 1 , Серия Уайли по вероятности и математической статистике: прикладная теория вероятности и статистика (2-е изд.), Нью-Йорк: John Wiley & Sons , ISBN978-0-471-58495-7, МР 1299979
^ Пак, Сон Ю.; Бера, Анил К. (2009). «Модель условной гетероскедастичности авторегрессии с максимальной энтропией» (PDF) . Журнал эконометрики . 150 (2): 219–230, особенно. Таблица 1, с. 221. CiteSeerX 10.1.1.511.9750 . doi :10.1016/j.jeconom.2008.12.014. Архивировано из оригинала (PDF) 7 марта 2016 г. Проверено 2 июня 2011 г.
^ Тармаст, Гасем (2001). Многомерное логарифмически нормальное распределение (PDF) . Труды ISI: 53-я сессия. Сеул. Архивировано (PDF) из оригинала 19 июля 2013 г.
^ Холливелл, Ли (2015). Логнормальная случайная многомерная величина (PDF) . Электронный форум Актуарного общества по несчастным случаям, весна 2015 г. Арлингтон, Вирджиния. Архивировано (PDF) из оригинала 30 сентября 2015 г.
^ Хейде, CC. (2010), «О свойстве логнормального распределения», Журнал Королевского статистического общества, серия B , том. 25, нет. 2, стр. 392–393, doi : 10.1007/978-1-4419-5823-5_6 , ISBN.978-1-4419-5822-8
^ Биллингсли, Патрик (2012). Вероятность и мера (Юбилейное изд.). Хобокен, Нью-Джерси: Уайли. п. 415. ИСБН978-1-118-12237-2. ОСЛК 780289503.
^ аб Холгейт, П. (1989). «Логнормальная характеристическая функция, том 18, стр. 4539–4548, 1989». Коммуникации в статистике - теория и методы . 18 (12): 4539–4548. дои : 10.1080/03610928908830173.
^ Баракат, Р. (1976). «Суммы независимых логнормально распределенных случайных величин». Журнал Оптического общества Америки . 66 (3): 211–216. Бибкод : 1976JOSA...66..211B. дои : 10.1364/JOSA.66.000211.
^ Баруш, Э.; Кауфман, генеральный директор; Глассер, мл. (1986). «О суммах логнормальных случайных величин» (PDF) . Исследования по прикладной математике . 75 (1): 37–55. дои : 10.1002/sapm198675137. hdl : 1721.1/48703 .
^ Лейпник, Рой Б. (январь 1991 г.). «О логнормальных случайных величинах: I - характеристическая функция» (PDF) . Журнал Австралийского математического общества, серия B. 32 (3): 327–347. дои : 10.1017/S0334270000006901 .
^ С. Асмуссен, Дж. Л. Дженсен, Л. Рохас-Нандайапа (2016). «О преобразовании Лапласа логнормального распределения», Методология и вычисления в области прикладной вероятности 18 (2), 441–458. Отчет Тиле 6 (13).
^ abc Das, Абхранил (2021). «Метод интеграции и классификации нормальных распределений». Журнал видения . 21 (10): 1. arXiv : 2012.14331 . дои : 10.1167/jov.21.10.1. ПМЦ 8419883 . ПМИД 34468706.
^ аб Кирквуд, Томас Б.Л. (декабрь 1979 г.). «Геометрические средства и меры дисперсии». Биометрия . 35 (4): 908–9. JSTOR 2530139.
^ Лимперт, Э; Стахель, В; Эббт, М. (2001). «Логнормальные распределения по наукам: ключи и подсказки». Бионаука . 51 (5): 341–352. doi : 10.1641/0006-3568(2001)051[0341:LNDATS]2.0.CO;2 .
^ ab Heil P, Фридрих Б (2017). «Возвращение к сопоставлению акустических стимулов по продолжительности начала: традиционная арифметика и предлагаемые геометрические меры точности». Границы в психологии . 7 : 2013. doi : 10.3389/fpsyg.2016.02013 . ПМК 5216879 . ПМИД 28111557.
^ Савант, С.; Мохан, Н. (2011) «Часто задаваемые вопросы: проблемы с анализом эффективности данных клинических испытаний с использованием SAS». Архивировано 24 августа 2011 г. в Wayback Machine , PharmaSUG2011 , документ PO08.
^ Шифф, Миннесота; и другие. (2014). «Прямое рандомизированное перекрестное исследование перорального и подкожного метотрексата у пациентов с ревматоидным артритом: ограничения воздействия препарата при пероральном метотрексате в дозах > = 15 мг можно преодолеть с помощью подкожного введения». Энн Реум Дис . 73 (8): 1–3. doi : 10.1136/annrheumdis-2014-205228. ПМЦ 4112421 . ПМИД 24728329.
^ Дейли, Лесли Э.; Бурк, Джеффри Джозеф (2000). Интерпретация и использование медицинской статистики (5-е изд.). Оксфорд, Великобритания: Уайли-Блэквелл. п. 89. дои : 10.1002/9780470696750. ISBN978-0-632-04763-5. ПМК 1059583 ;печатное издание. Интернет-электронная книга ISBN 9780470696750
^ "ПробОнто" . Проверено 1 июля 2017 года .
^ Сват, MJ; Гренон, П; Вималаратне, С (2016). «ProbOnto: онтология и база знаний вероятностных распределений». Биоинформатика . 32 (17): 2719–21. doi : 10.1093/биоинформатика/кстати,170. ПМК 5013898 . ПМИД 27153608.
^ ab Forbes et al. Распределение вероятностей (2011), John Wiley & Sons, Inc.
^ Ланн, Д. (2012). Книга BUGS: практическое введение в байесовский анализ. Тексты по статистической науке. ЦРК Пресс.
^ Лимперт, Э.; Стахел, Вашингтон; Эббт, М. (2001). «Логнормальное распределение по наукам: ключи и подсказки». Бионаука . 51 (5): 341–352. doi : 10.1641/0006-3568(2001)051[0341:LNDATS]2.0.CO;2 .
^ Ниберг, Дж.; и другие. (2012). «PopED - расширенный, распараллеленный, оптимальный инструмент проектирования». Вычислительные методы Программы Биомед . 108 (2): 789–805. дои : 10.1016/j.cmpb.2012.05.005. ПМИД 22640817.
^ Ретаут, С; Даффалл, С; Ментре, Ф (2001). «Разработка и внедрение популяционной информационной матрицы Фишера для оценки популяционного фармакокинетического дизайна». Комп Мет Про Биомед . 65 (2): 141–151. дои : 10.1016/S0169-2607(00)00117-6. ПМИД 11275334.
^ Команда разработчиков PopED (2016). Руководство PopED, версия 2.13. Технический отчет, Уппсальский университет.
^ Веб-сайт ProbOnto, URL: http://probonto.org.
^ Дамгаард, Кристиан; Вайнер, Джейкоб (2000). «Описание неравенства в размерах и плодовитости растений». Экология . 81 (4): 1139–1142. doi :10.1890/0012-9658(2000)081[1139:DIIPSO]2.0.CO;2.
^ Россман, Льюис А. (июль 1990 г.). «Проектирование потоков потоков на основе гармонических средств». Журнал гидротехники . 116 (7): 946–950. дои : 10.1061/(ASCE) 0733-9429 (1990) 116: 7 (946).
^ Аб Гао, Синь (2009). «Асимптотическое поведение плотности хвостов для суммы коррелированных логнормальных переменных». Международный журнал математики и математических наук . 2009 : 1–28. дои : 10.1155/2009/630857 .
^ Асмуссен, С.; Рохас-Нандайапа, Л. (2008). «Асимптотика сумм логнормальных случайных величин с гауссовой копулой» (PDF) . Статистика и вероятностные буквы . 78 (16): 2709–2714. дои : 10.1016/j.spl.2008.03.035.
^ Марлоу, Н.А. (ноябрь 1967 г.). «Нормальная предельная теорема для степенных сумм независимых нормальных случайных величин». Технический журнал Bell System . 46 (9): 2081–2089. doi :10.1002/j.1538-7305.1967.tb04244.x.
^ Ботев, З.И.; Л'Экуйер, П. (2017). «Точное вычисление правого хвоста суммы зависимых логнормальных переменных». Зимняя конференция по моделированию 2017 (WSC), 3–6 декабря 2017 г. Лас-Вегас, Невада, США: IEEE. стр. 1880–1890. arXiv : 1705.03196 . дои : 10.1109/WSC.2017.8247924. ISBN978-1-5386-3428-8.
^ Сангал, Б.; Бисвас, А. (1970). «Применение трехпараметрического логнормального распределения в гидрологии». Исследования водных ресурсов . 6 (2): 505–515. дои : 10.1029/WR006i002p00505.
^ Свами, ПК (2002). «Распределение, близкое к логнормальному». Журнал гидрологической техники . 7 (6): 441–444. дои : 10.1061/(ASCE) 1084-0699 (2002) 7: 6 (441).
^ аб Ву, Зиниу; Ли, Хуан; Бай, Чэньюань (2017). «Масштабные соотношения процесса роста логнормального типа с экстремальным принципом энтропии». Энтропия . 19 (56): 1–14. Бибкод : 2017Entrp..19...56Вт. дои : 10.3390/e19020056 .
^ Ву, Цзы-Ню (2003). «Прогнозирование распределения вторичных выброшенных капель по размерам путем разбрызгивания капель, падающих на твердую стену». Вероятностная инженерная механика . 18 (3): 241–249. дои : 10.1016/S0266-8920(03)00028-6.
^ Ван, ВэньБин; Ву, ЗиНиу; Ван, ЧунФэн; Ху, ЖуйФэн (2013). «Моделирование скорости распространения контролируемых инфекционных эпидемий с помощью термодинамической модели, основанной на энтропии». Наука Китай Физика, механика и астрономия . 56 (11): 2143–2150. arXiv : 1304.5603 . Бибкод : 2013SCPMA..56.2143W. дои : 10.1007/s11433-013-5321-0. ISSN 1674-7348. ПМЦ 7111546 . ПМИД 32288765.
^ Блетчер, Фредерик (2019). «Использование прогнозирующих методов байесовской цепи Монте-Карло-Маркова для обеспечения вероятностного решения уравнения Дрейка». Акта Астронавтика . 155 : 118–130. Бибкод : 2019AcAau.155..118B. doi :10.1016/j.actaastro.2018.11.033. S2CID 117598888.
^ Саттон, Джон (март 1997 г.). «Наследие Гибрата». Журнал экономической литературы . 32 (1): 40–59. JSTOR 2729692.
^ abc Лимперт, Экхард; Стахель, Вернер А.; Эббт, Маркус (2001). «Логнормальное распределение в науках: ключи и подсказки». Бионаука . 51 (5): 341. doi : 10.1641/0006-3568(2001)051[0341:LNDATS]2.0.CO;2 . ISSN 0006-3568.
^ аб Бужаки, Дьёрдь; Мизусеки, Кендзи (6 января 2017 г.). «Логодинамический мозг: как искаженное распределение влияет на сетевые операции». Обзоры природы. Нейронаука . 15 (4): 264–278. дои : 10.1038/nrn3687. ISSN 1471-003X. ПМК 4051294 . ПМИД 24569488.
^ abc Павел, Собкович; и другие. (2013). «Логнормальное распределение длины сообщений пользователей в интернет-дискуссиях - следствие закона Вебера-Фехнера?». EPJ Наука о данных .
^ Инь, Пэйфэн; Ло, Пин; Ли, Ван-Чен; Ван, Мин (2013). Молчание также является доказательством: интерпретация времени ожидания рекомендации с психологической точки зрения. Международная конференция ACM по KDD.
^ «Какова средняя продолжительность игры в шахматы?». шахматы.stackexchange.com . Проверено 14 апреля 2018 г.
^ Хаксли, Джулиан С. (1932). Проблемы относительного роста . Лондон. ISBN978-0-486-61114-3. ОСЛК 476909537.
^ Сартвелл, Филип Э. «Распределение инкубационных периодов инфекционных заболеваний». Американский журнал гигиены 51 (1950): 310–318.
^ СК Чан, Дженнифер; Ю, Филип Л.Х. (2006). «Моделирование данных SARS с использованием порогового геометрического процесса». Статистика в медицине . 25 (11): 1826–1839. дои : 10.1002/сим.2376. PMID 16345017. S2CID 46599163.
^ Оно, Юкитеру; Асаи, Киёси; Хамада, Мичиаки (01 января 2013 г.). «PBSIM: PacBio считывает симулятор — для точной сборки генома». Биоинформатика . 29 (1): 119–121. doi : 10.1093/биоинформатика/bts649 . ISSN 1367-4803. ПМИД 23129296.
^ Макуч, Роберт В.; Д. Х. Фриман; М. Ф. Джонсон (1979). «Обоснование логнормального распределения как модели артериального давления». Журнал хронических болезней . 32 (3): 245–250. дои : 10.1016/0021-9681(79)90070-5. ПМИД 429469.
^ Лейси, LF; Кин, Онтарио; Причард, Дж. Ф.; Пока, А. (1 января 1997 г.). «Общие некомпартментные фармакокинетические переменные: они распределены нормально или логарифмически нормально?». Журнал биофармацевтической статистики . 7 (1): 171–178. дои : 10.1080/10543409708835177. ISSN 1054-3406. ПМИД 9056596.
^ Шелер, Габриэле; Шуман, Иоганн (08 октября 2006 г.). Разнообразие и стабильность скорости нейрональной активности . 36-я встреча Общества нейронаук, Атланта.
^ Мизусеки, Кендзи; Бужаки, Дьёрдь (12 сентября 2013 г.). «Предварительно настроенное, асимметричное распределение частоты выстрелов в гиппокампе и энторинальной коре». Отчеты по ячейкам . 4 (5): 1010–1021. дои : 10.1016/j.celrep.2013.07.039. ISSN 2211-1247. ПМЦ 3804159 . ПМИД 23994479.
^ Верер, Адриан; Хамфрис, Марк Д.; Мейченс, Кристиан К. (1 апреля 2013 г.). «Распределение нейронной активности во время принятия решений по населению». Прогресс нейробиологии . 103 : 156–193. doi :10.1016/j.pneurobio.2012.09.004. ISSN 1873-5118. ПМЦ 5985929 . ПМИД 23123501.
^ Шелер, Габриэле (28 июля 2017 г.). «Логарифмические распределения доказывают, что внутреннее обучение является хеббианским». F1000Исследования . 6 : 1222. дои : 10.12688/f1000research.12130.2 . ПМК 5639933 . ПМИД 29071065.
^ Моралес-Грегорио, Айтор; ван Мееген, Александр; ван Альбада, Саша (2023). «Повсеместное логнормальное распределение плотности нейронов в коре головного мозга млекопитающих». Кора головного мозга . 33 (16): 9439–9449. дои : 10.1093/cercor/bhad160. ПМЦ 10438924 . ПМИД 37409647.
^ Полицци, С., Лаперрусаз, Б., Перес-Реш, Ф.Дж., Николини, Ф.Е., Сатта, В.М., Арнеодо, А., и Аргул, Ф. (2018). Модель минимального каскада разрывов для пластичности живых клеток. Новый журнал физики, 20(5), 053057. doi: https://doi.org/10.1088/1367-2630/aac3c7.
^ Аренс, Л.Х. (1 февраля 1954 г.). «Логнормальное распределение элементов (Основной закон геохимии и его дочерние элементы)». Geochimica et Cosmochimica Acta . 5 (2): 49–73. Бибкод : 1954GeCoA...5...49A. дои : 10.1016/0016-7037(54)90040-X. ISSN 0016-7037.
^ Остербан, Р.Дж. (1994). «6: Частотный и регрессионный анализ» (PDF) . В Ритземе, HP (ред.). Принципы и применение дренажа, Публикация 16. Вагенинген, Нидерланды: Международный институт мелиорации и улучшения земель (ILRI). стр. 175–224. ISBN978-90-70754-33-4.
^ CumFreq, бесплатное программное обеспечение для установки дистрибутива.
^ Клементи, Фабио; Галлегати, Мауро (2005) «Закон распределения доходов Парето: данные для Германии, Великобритании и США», EconWPA
^ Ватару, Сума (22 февраля 2002 г.). «Физика личных доходов». В Такаясу, Хидеки (ред.). Эмпирическая наука о финансовых колебаниях: появление эконофизики . Спрингер. arXiv : cond-mat/0202388 . дои : 10.1007/978-4-431-66993-7.
^ Блэк, Ф.; Скоулз, М. (1973). «Ценообразование опционов и корпоративных обязательств». Журнал политической экономии . 81 (3): 637. дои : 10.1086/260062. S2CID 154552078.
^ Мандельброт, Бенуа (2004). (Неправильное) поведение рынков. Основные книги. ISBN9780465043552.
^ Банхен, П., Расширенное ценообразование опционов , учебник Сиднейского университета, 2007 г.
^ Телвалл, Майк; Уилсон, Пол (2014). «Регрессия данных цитирования: оценка различных методов». Журнал информаметрики . 8 (4): 963–971. arXiv : 1510.08877 . дои : 10.1016/j.joi.2014.09.011. S2CID 8338485.
^ Шеридан, Пол; Онодера, Таку (2020). «Парадокс предпочтительного прикрепления: как преимущественное присоединение сочетается с ростом, создавая сети с логарифмически нормальным распределением по степени». Научные отчеты . 8 (1): 2811. arXiv : 1703.06645 . дои : 10.1038/s41598-018-21133-2. ПМК 5809396 . ПМИД 29434232.
^ Экхаут, январь (2004). «Закон Жибрата для (всех) городов». Американский экономический обзор . 94 (5): 1429–1451. дои : 10.1257/0002828043052303. JSTOR 3592829 – через JSTOR.
^ Каулт, Дэвид (1996). «Форма распределения числа сексуальных партнеров». Статистика в медицине . 15 (2): 221–230. doi :10.1002/(SICI)1097-0258(19960130)15:2<221::AID-SIM148>3.0.CO;2-Q. ПМИД 8614756.
^ О'Коннор, Патрик; Клейнер, Андре (2011). Практическая инженерия надежности . Джон Уайли и сыновья. п. 35. ISBN978-0-470-97982-2.
^ «Затенение». www.WirelessCommunication.NL . Архивировано из оригинала 13 января 2012 года.
^ Декстер, Арканзас; Таннер, Д.В. (июль 1972 г.). «Плотность упаковки смесей сфер с логнормальным распределением размеров». Природа Физика . 238 (80): 31–32. Бибкод : 1972NPhS..238...31D. doi : 10.1038/physci238031a0. ISSN 2058-1106.
^ Грос, К; Качор, Г.; Маркович, Д. (2012). «Нейропсихологические ограничения для производства данных о людях в глобальном масштабе». Европейский физический журнал Б. 85 (28): 28. arXiv : 1111,6849 . Бибкод : 2012EPJB...85...28G. дои : 10.1140/epjb/e2011-20581-3. S2CID 17404692.
^ Дусер, Джон Р.; Болоски, Уильям Дж. (1 мая 1999 г.). «Масштабное исследование содержимого файловой системы». Обзор оценки производительности ACM SIGMETRICS . 27 (1): 59–70. дои : 10.1145/301464.301480 . ISSN 0163-5999.
^ Аламсар, Мохаммед; Парисис, Джордж; Клегг, Ричард; Захленюк, Николай (2019). «О распределении объемов трафика в Интернете и его последствиях». arXiv : 1902.03853 [cs.NI].
^ ASTM D3654, Стандартный метод испытаний на сдвиговую адгезию на лентах, чувствительных к давлению.
^ ASTM D4577, Стандартный метод испытаний на устойчивость контейнера к сжатию при постоянной нагрузке>\
дальнейшее чтение
Кроу, Эдвин Л.; Симидзу, Кунио, ред. (1988), Логнормальные распределения, теория и приложения , Статистика: Учебники и монографии, вып. 88, Нью-Йорк: Marcel Dekker, Inc., стр. xvi+387, ISBN.978-0-8247-7803-3, МР 0939191, Збл 0644.62014
Эйчисон, Дж. и Браун, Дж.К. (1957) Логнормальное распределение , издательство Кембриджского университета.
Лимперт, Э; Стахель, В; Эббт, М. (2001). «Логнормальные распределения по наукам: ключи и подсказки». Бионаука . 51 (5): 341–352. doi : 10.1641/0006-3568(2001)051[0341:LNDATS]2.0.CO;2 .
Холгейт, П. (1989). «Логнормальная характеристическая функция». Коммуникации в статистике - теория и методы . 18 (12): 4539–4548. дои : 10.1080/03610928908830173.
Брукс, Роберт; Корсон, Джон; Донал, Уэльс (1994). «Цена индексных опционов, когда все базовые активы следуют логнормальной диффузии». Достижения в области исследований фьючерсов и опционов . 7 . ССРН 5735.
Внешние ссылки
Викискладе есть медиафайлы, связанные с логнормальным распределением .
Нормальное распределение – это логарифмически нормальное распределение.