对数正态分布随机变量的和与差是否仍服从对数正态分布？

咱们直接开门见山说结论：

• 两个对数正态分布随机变量的和并不服从对数正态分布
• 它们的差不仅不服从对数正态分布，甚至连基本的定义域要求都满足不了

先聊和的情况 #

对数正态分布的核心性质是：如果X服从对数正态分布，那么ln(X)服从正态分布。那假设X和Y都是对数正态变量，对应的ln(X)=Z₁，ln(Y)=Z₂，其中Z₁、Z₂是正态变量。那X+Y = e^Z₁ + e^Z₂，你没法把这个表达式转化为e^Z（Z是正态变量）的形式——因为两个指数函数的和不等于单个指数函数。

举个直观的例子：取两个独立的LN(0,1)变量（也就是取对数后是标准正态），它们的和的分布会有一个“拖尾”但形状和对数正态完全不同，你可以用简单的模拟验证：生成几千组样本，画出和的直方图，再对比对数正态的概率密度函数，一眼就能看出差异。

再说说差的情况 #

首先，对数正态变量的取值范围是**(0, +∞)**，但两个正变量的差完全可能是负数——比如X=1，Y=2，X-Y=-1，这就超出了对数正态分布的定义域（对数正态变量必须为正），所以差本身不可能服从对数正态分布，连前提都不满足。

那你问的“取绝对值处理负值”可行吗？答案是：即使取绝对值，得到的|X-Y|也不一定服从对数正态分布。绝对值操作会改变分布的形状，而且这个新分布的对数也不会是正态的——还是拿刚才的LN(0,1)例子，|X-Y|的分布和对数正态的形态差得很远，模拟一下就能看出来。如果你的场景里必须用对数正态来近似，那可能需要做一些参数拟合，但这只是近似，不是严格的对数正态分布。

内容的提问来源于stack exchange，提问作者Leonhard Euler