numpy.random.lognormal生成指定均值标准差对数正态分布参数设置

核心误区说明 #

numpy.random.lognormal 接收的两个位置参数 mean、sigma，不是原始数据尺度的均值和标准差，而是「原始数据取自然对数后服从的正态分布」的均值和标准差。此前报错/结果不符合预期的两个典型原因：

• 直接传入原始尺度的均值13600、标准差7900：相当于对数尺度的均值高达1.36e4，取指数还原后数值远超64位浮点数上限，自然会大量出现inf
• 直接对原始均值、标准差取对数传入：没有做矩匹配换算，还原后的原始数据均值、标准差和目标值完全不匹配，结果必然偏离预期

正确换算公式 #

设原始尺度（即收入值）的目标算术均值为 $\mu_{arith}$，目标标准差为 $\sigma_{arith}$，对数尺度的两个参数记为 $\mu_{log}$、$\sigma_{log}$，换算逻辑如下：

1. 先计算对数尺度的标准差 $\sigma_{log}$：
   $$\sigma_{log} = \sqrt{\ln\left( \frac{\sigma_{arith}^{2}{\mu_{arith}}2} + 1 \right)}$$
2. 再计算对数尺度的均值 $\mu_{log}$：
   $$\mu_{log} = \ln(\mu_{arith}) - \frac{\sigma_{log}^2}{2}$$

代入给出的数值（$\mu_{arith}=13600$，$\sigma_{arith}=7900$）计算可得：

• $\sigma_{log} \approx 0.539$
• $\mu_{log} \approx 9.37$

可复现代码示例 #

import numpy as np

# 输入目标：原始收入尺度的算术均值、标准差
target_mean = 13600
target_std = 7900

# 参数换算
sigma_log = np.sqrt(np.log( (target_std ** 2) / (target_mean ** 2) + 1 ))
mu_log = np.log(target_mean) - (sigma_log ** 2) / 2

# 生成数据集，固定随机种子保证复现
np.random.seed(42)
income_data = np.random.lognormal(mean=mu_log, sigma=sigma_log, size=100000)

# 校验结果
print(f"生成数据算术均值：{income_data.mean():.0f}")  # 输出约13600
print(f"生成数据标准差：{income_data.std():.0f}")    # 输出约7900

补充说明 #

对数正态分布本身是强右偏分布，生成的收入数据中位数会低于算术均值（本例中位数约11700），高收入尾部会存在少量极高值，完全符合真实家庭收入的分布特征，不属于参数错误。

内容的提问来源于stack exchange，提问作者Or Rubinstein