如何计算截断逻辑分布的方差？相关指数积分求解方法

要搞定这个截断逻辑分布的方差，核心还是用方差的基本定义：$\text{Var}(X) = E[X^2] - (E[X])^{2$。所以咱们得先算出一阶矩$E[X]$和二阶矩$E[X}2]$，这两个矩可以通过条件期望结合原逻辑分布的性质来求解，也可以直接对截断后的概率密度函数（PDF）做积分。

第一步：简化PDF #

题目里给的截断逻辑分布PDF是：
$$ f(x) = \frac{1+e^{m/s}}{e{m/s}} \times \frac{e^{{-\frac{x-m}{s}}}{s\left(1+e}{-\frac{x-m}{s}}\right)^2} \quad (x \geq 0) $$
咱们可以把它改写得更直观：
$$ f(x) = \frac{1}{P(Y \geq 0)} \cdot f_Y(x) $$
这里$Y$是未截断的逻辑分布（$Y \sim \text{Logistic}(m, s)$），$f_Y(x)$是它的PDF，$P(Y \geq 0)$是原分布中$Y \geq 0$的概率，算出来是$\frac{e^{m/s}}{1+e{m/s}}$，所以归一化常数$\frac{1}{P(Y \geq 0)} = \frac{1+e^{m/s}}{e{m/s}}$，和题目里的一致。

第二步：计算一阶矩$E[X]$ #

$X$其实就是$Y$在$Y \geq 0$条件下的截断分布，所以用条件期望的公式：
$$ E[X] = E[Y \mid Y \geq 0] = \frac{1}{P(Y \geq 0)} \left( E[Y] - \int_{-\infty}^0 y f_Y(y) dy \right) $$
原逻辑分布的均值$E[Y] = m$，这个是已知的。接下来算$\int_{-\infty}^0 y f_Y(y) dy$，做变量替换$z = \frac{y - m}{s}$，结合标准逻辑分布的对称性和分部积分，最后能推导出：
$$ \int_{-\infty}^0 y f_Y(y) dy = m - s \ln(1+e^{m/s}) $$
把这个结果代入，化简后得到：
$$ E[X] = m(1+e^{-m/s}) + s(1+e^{{-m/s})\ln(1+e}{-m/s}) $$

第三步：计算二阶矩$E[X^2]$ #

同样用条件期望的思路：
$$ E[X^2] = E[Y^2 \mid Y \geq 0] = \frac{1}{P(Y \geq 0)} \left( E[Y^2] - \int_{-\infty}^0 y^2 f_Y(y) dy \right) $$
原逻辑分布的二阶矩$E[Y^2] = m^2 + \frac{s^2 \pi^{2}{3}$（因为原分布的方差是$\frac{s}2 \pi^2}{3}$，二阶矩等于方差加均值的平方）。

对于$\int_{-\infty}^0 y^2 f_Y(y) dy$，还是做变量替换加分部积分，最终可以用**二重对数函数（Li₂）**或者级数展开来表示：
$$ \int_{-\infty}^0 y^2 f_Y(y) dy = s^2 \left[ \frac{a^2}{ea + 1} + 2a \ln(1+e^{-a}) - 2 \text{Li}_2(-e^{-a}) \right] + 2sm \left( \frac{a e^a}{1+ea} - \ln(1+e^a) \right) + m^2 \frac{1}{1+e^a} $$
这里$a = \frac{m}{s}$，$\text{Li}2(x) = \sum{n=1}^\infty \frac{x^n}{n2}$是数学里的二重对数函数，很多数值计算库都有实现。

把这个结果代入$E[X^2]$的表达式，就能得到二阶矩的具体值。

第四步：计算方差 #

最后把一阶矩和二阶矩代入方差公式就行：
$$ \text{Var}(X) = E[X^2] - (E[X])^2 $$

特殊情况：$m=0, s=1$ #

这时候原分布是标准逻辑分布，$P(Y \geq 0) = \frac{1}{2}$，计算起来更简单：

• 一阶矩：$E[X] = 2\ln2$
• 二阶矩：$E[X^2] = \frac{\pi^2}{3}$
• 方差：$\text{Var}(X) = \frac{\pi^2}{3} - (2\ln2)^2$

通用数值计算思路 #

如果不想搞复杂的解析推导，直接用数值积分也能搞定：

1. 对任意给定的$m, s$，写出积分式：
   $$ E[X^k] = \frac{1+e^{m/s}}{e{m/s}} \int_0^\infty x^k \cdot \frac{e^{{-\frac{x-m}{s}}}{s\left(1+e}{-\frac{x-m}{s}}\right)^2} dx $$
2. 用数值积分方法（比如自适应辛普森法、梯形法）计算这个积分，得到$E[X]$和$E[X^2]$后，再代入方差公式就能得到结果。

内容的提问来源于stack exchange，提问作者user3825755