Saltar ao contido

Distribución lognormal

Na Galipedia, a Wikipedia en galego.
Log-normal
Función de densidade
Gráfico da Lognormal PDF
μ=0
Función de distribución
Gráfico da Lognormal CDF
μ=0
Parámetros s≥0
−∞≤μ≤∞
Soporte x∈[0;+∞)
Función de densidade e−[ln⁡(x)−μσ]2/2]xσ2π
Función de distribución 12+12Erf[ln⁡(x)−μσ2]
Media eμ+σ2/2
Mediana eμ
Moda eμ−σ2
Varianza (eσ2−1)e2μ+σ2
Asimetría e−μ−σ2/2(eσ2+2)eσ2−1
Curtose e4σ2+2e3σ2+3e2σ2−6
Entropía 12+12ln⁡(2πσ2)
F. xeradora de momentos (ver no texto os momentos)
Func. caract.

En probabilidade e estatística, a distribución log-normal é a distribución de probabilidade de calquera variable aleatoria con seu logaritmo normalmente distribuído (a base da función logarítmica non é importante xa que se loga X está distribuída normalmente se e só se logb X está distribuída normalmente). Se X é unha variable aleatoria cunha distribución normal, entón exp(X) ten unha distribución log-normal.

"Log-normal" tamén se escribe "log normal" ou "lognormal".

Unha variable pode ser modelada como log-normal se pode ser considerada como o produto multiplicativo de moitos pequenos factores independentes. Un exemplo típico é o retorno a longo prazo dun investimento nunha acción: pódese considerar como o produto dos retornos diarios.

A distribución log-normal ten a función densidade de probabilidade

f(x;μ,σ)=1xσ2πe−(ln⁡x−μ)2/2σ2

para x>0, onde μ e σ son a media e o desvío estándar do logaritmo da variable. O valor esperado é

E(X)=eμ+σ2/2

e a varianza é

var(X)=(eσ2−1)e2μ+σ2.

Relación coa media e o desvío estándar xeométrico

[editar | editar a fonte]

A distribución log-normal, a media xeométrica, e o desvío estándar xeométrico están relacionadas. Neste caso, a media xeométrica é igual a exp⁡(μ) e o desvío estándar xeométrico é igual aexp⁡(σ).

Se unha mostra de datos determinase que provén dunha poboación distribuída seguindo unha log-normal, a media xeométrica e o desvío estándar xeométrico pódense utilizar para estimar os intervalos de confianza tal como a media aritmética e o desvío estándar se usan para estimar os intervalos de confianza para un dato distribuído normalmente.

Límite do intervalo de confianza espazo log xeométrica
3σ límite inferior μ−3σ μgeo/σgeo3
2σ límite inferior μ−2σ μgeo/σgeo2
1σ límite inferior μ−σ μgeo/σgeo
1σ límite superior μ+σ μgeoσgeo
2σ límite superior μ+2σ μgeoσgeo2
3σ límite superior μ+3σ μgeoσgeo3

Onde a media xeométrica μgeo=exp⁡(μ) e o desvío estándar xeométrico σgeo=exp⁡(σ)

Os primeiros momentos son:

μ1=eμ+σ2/2
μ2=e2μ+4σ2/2
μ3=e3μ+9σ2/2
μ4=e4μ+16σ2/2

ou de forma xeral:

μk=ekμ+k2σ2/2.

Estimación de parámetros Maximum likelihood

[editar | editar a fonte]

Para determina-los estimadores que máis aproximan os parámetros μ e σ da distribución log-normal, podemos utilizar o mesmo procedemento que para a distribución normal. Para non repetilo, obsérvese que

fL(x;μ,σ)=1xfN(ln⁡x;μ,σ)

onde por fL(⋅) denotamos a función de densidade de probabilidade da distribución log-normal, e por fN(⋅)— a da distribución normal. Polo tanto, utilizando os memos índices para denotar as distribucións, podemos escribir que

ℓL(x1,x2,...,xn;μ,σ)=−∑kln⁡xk+ℓN(ln⁡x1,ln⁡x2,...,ln⁡xn;μ,σ)= =const⁡(μ,σ)+ℓN(ln⁡x1,ln⁡x2,...,ln⁡xn;μ,σ).

Xa que o primeiro termo é constante respecto a μ e σ, ambas funcións logarítmicas, ℓL e ℓN, obteñen o seu máximo co mesmo μ e σ. Polo tanto, utilizando as fórmulas para os estimadores dos parámetros da distribución normal, e a inigualdade de arriba, deducimos que para a distribución log-normal cúmprese

μ^=∑kln⁡xkn, σ^2=∑k(ln⁡xk−μ^)2n.

Distribución relacionadas

[editar | editar a fonte]
  • Y∼N(μ,σ2) é unha distribución normal se Y=ln⁡(X) e X∼Log-N⁡(μ,σ2).
  • Se Xm∼Log-N⁡(μ,σm2), m=1...N‾ son variables independentes log-normalmente distribuídas co mesmo parámetro μ e permitindo que varie σ, e Y=∏m=1NXm, entón Y é unha variable distribuída log-normalmente como: Y∼Log-N⁡(μ,∑mσm2).

Véxase tamén

[editar | editar a fonte]

Outros artigos

[editar | editar a fonte]