通过MCP连接 →

输入计算

数学公式

广告

结果

Density f(x) at x = 0
0
Hybrid Lognormal HybLogN(ρx, μ, σ)
Median x_c (hyb(ρx_c)=μ) 0.567143
已计算行数 101
x Density f(x)
0 0
0.05 0.1093627
0.1 0.38800626
0.15 0.66479888
0.2 0.88653322
0.25 1.04594098
0.3 1.14891167
0.35 1.20455798
0.4 1.22207028
0.45 1.20973813
0.5 1.17470945
0.55 1.12300621
0.6 1.05962459
0.65 0.98865643
0.7 0.91340913
0.75 0.83651602
0.8 0.7600356
0.85 0.68553956
0.9 0.61419053
0.95 0.54681063
1 0.48394145
1.05 0.42589654
1.1 0.37280694
1.15 0.3246604
1.2 0.28133499
1.25 0.24262753
1.3 0.20827734
1.35 0.177986
1.4 0.15143331
1.45 0.12829013
1.5 0.10822839
1.55 0.09092876
1.6 0.07608621
1.65 0.06341395
1.7 0.05264594
1.75 0.04353823
1.8 0.03586948
1.85 0.02944076
1.9 0.02407474
1.95 0.01961466
2 0.01592294
2.05 0.01287967
2.1 0.010381
2.15 0.0083376
2.2 0.00667301
2.25 0.00532224
2.3 0.00423029
2.35 0.00335088
2.4 0.00264528
2.45 0.00208121
2.5 0.00163194
2.55 0.00127538
2.6 0.00099343
2.65 0.00077126
2.7 0.00059681
2.75 0.00046031
2.8 0.00035388
2.85 0.00027118
2.9 0.00020714
2.95 0.00015771
3 0.00011969
3.05 0.00009055
3.1 0.00006829
3.15 0.00005134
3.2 0.00003847
3.25 0.00002874
3.3 0.0000214
3.35 0.00001589
3.4 0.00001176
3.45 0.00000868
3.5 0.00000638
3.55 0.00000468
3.6 0.00000342
3.65 0.00000249
3.7 0.00000181
3.75 0.00000131
3.8 0.00000095
3.85 0.00000068
3.9 0.00000049
3.95 0.00000035
4 0.00000025
4.05 0.00000018
4.1 0.00000013
4.15 0.00000009
4.2 0.00000006
4.25 0.00000004
4.3 0.00000003
4.35 0.00000002
4.4 0.00000002
4.45 0.00000001
4.5 0.00000001
4.55 0.00000001
4.6 0
4.65 0
4.7 0
4.75 0
4.8 0
4.85 0
4.9 0
4.95 0
5 0

什么是混合对数正态分布?

混合对数正态分布记作 HybLogN(ρx, μ, σ),它是一种概率分布:经过变换后的变量 y(x) = ρx + ln(ρx) 服从均值为 μ、标准差为 σ 的正态分布。它把正态分布项(ρx)与对数正态分布项(ln(ρx))融合在一起。强度参数 ρ > 0 用于对底层变量进行缩放。由于式中含有对数,该分布仅在 x > 0 时有定义。这是一条普适的纯数学结论,在任何场合都同样成立。

带长右尾的偏斜钟形概率密度曲线
混合对数正态密度 f(x):定义在 x 大于零、向右偏斜的曲线。

如何使用本计算器

先选择要列表的函数——概率密度 f、下侧累积概率 P,还是上侧累积概率 Q。然后输入强度参数 ρ、均值 μ 与标准差 σ。接着设定起始 x、步长以及行数。本工具会在 x = x0、x0+步长、x0+2·步长、… 处依次计算所选函数,列出每一组 (x, 函数值),并给出中位数 xc

公式解析

令 y(x) = ρx + ln(ρx),z = (y(x) − μ) / σ。则概率密度为 f(x) = (ρ / (√(2π)·σ)) · (1 + 1/(ρx)) · exp(−½z²)。其中因子 (1 + 1/(ρx)) 就是雅可比量 dy/dx 除以 ρ。由于 y 随 x 严格递增,并从 −∞ 取到 +∞,因此下侧累积概率就是 P(x) = Φ(z),这里 Φ 为标准正态分布的累积分布函数,Φ(z) = ½(1 + erf(z/√2))。上侧累积概率则为 Q(x) = 1 − P(x) = Φ(−z)。

Advertisement
在某一值处分开、下侧和上侧累积区域被填充的密度曲线
下累积 P(x)(左侧面积)与上累积 Q(x)(右侧面积)将总概率 1 分开。

计算示例

取 ρ=1、μ=0、σ=1,在 x=1 处:y = 1 + ln(1) = 1,于是 z = 1。密度 f = 0.3989423 · (1+1) · exp(−0.5) = 0.3989423 · 2 · 0.6065307 ≈ 0.4839。下侧累积概率 P = Φ(1) ≈ 0.8413,上侧累积概率 Q ≈ 0.1587。

常见问题

为什么 x 必须为正? 当 ρx ≤ 0 时 ln(ρx) 没有定义。在 x = 0 处,密度取为 0,并以极限值约定 P = 0、Q = 1。

中位数是什么? 中位数 xc 满足 ρxc + ln(ρxc) = μ。我们先数值求解 ρxc,再除以 ρ 得到结果。

累积概率的精度如何? Φ 采用 Abramowitz-Stegun 7.1.26 的 erf 近似公式,精度约为 1.5×10−7

最后更新: