Distribución log-normal

Distribución log-normal

En probabilidades y estadísticas, la distribución log-normal es una distribución de probabilidad de cualquier variable aleatoria con su logaritmo normalmente distribuido (la base de una función logarítmica no es importante, ya que loga X está distribuida normalmente si y sólo si logb X está distribuida normalmente). Si X es una variable aleatoria con una distribución normal, entonces exp(X) tiene una distribución log-normal.

Log-normal también se escribe log normal o lognormal.

Una variable puede ser modelada como log-normal si puede ser considerada como un producto multiplicativo de muchos pequeños factores independientes. Un ejemplo típico es un retorno a largo plazo de una inversión: puede considerarse como un producto de muchos retornos diarios.

La distribución log-normal tiende a la función densidad de probabilidad

f(x;\mu,\sigma) = \frac{1}{x \sigma \sqrt{2 \pi}} e^{-(\ln x - \mu)^2/2\sigma^2}

para x > 0, donde μ y σ son la media y la desviación estándar del logaritmo de variable. El valor esperado es

\mathrm{E}(X) = e^{\mu + \sigma^2/2}

y la varianza es

\mathrm{var}(X) = (e^{\sigma^2} - 1) e^{2\mu + \sigma^2}.

Contenido

Relación con media y la desviación estándar geométrica

La distribución log-normal, la media geométrica, y la desviación estándar geométrica están relacionadas. En este caso, la media geométrica es igual a exp(μ) y la desviación estándar geométrica es igual a exp(σ).

Si una muestra de datos determina que proviene de una población distribuida siguiendo una distribución log-normal, la media geométrica de la desviación estándar geométrica puede utilizarse para estimar los intervalos de confianza tal como la media aritmética y la desviación estándar se usan para estimar los intervalos de confianza para un dato distribuido normalmente.

Límite de intervalo de confianza log geométrica
3σ límite inferior μ − 3σ \mu_\mathrm{geo} / \sigma_\mathrm{geo}^3
2σ límite inferior μ − 2σ \mu_\mathrm{geo} / \sigma_\mathrm{geo}^2
1σ límite inferior μ − σ μgeo / σgeo
1σ límite superior μ + σ μgeoσgeo
2σ límite superior μ + 2σ \mu_\mathrm{geo} \sigma_\mathrm{geo}^2
3σ límite superior μ + 3σ \mu_\mathrm{geo} \sigma_\mathrm{geo}^3

Donde la media geométrica μgeo = exp(μ) y la desviación estándar geométrica σgeo = exp(σ)

Momentos

Los primeros momentos son:

\mu_1=e^{\mu+\sigma^2/2}
\mu_2=e^{2\mu+4\sigma^2/2}
\mu_3=e^{3\mu+9\sigma^2/2}
\mu_4=e^{4\mu+16\sigma^2/2}

o de forma general:

\mu_k=e^{k\mu+k^2\sigma^2/2}.

Estimación de parámetros

Para determinar los estimadores que más se aproximan los parámetros μ y σ de la distribución log-normal, podemos utilizar los mismos procedimientos que para la distribución normal. Para no repetirlo, obsérvese que

f_L (x;\mu, \sigma) = \frac 1 x \, f_N (\ln x; \mu, \sigma)

donde por f_L (\cdot) denotamos la función densidad de probabilidad de distribución log-normal, y por f_N (\cdot)— la distribución normal. Por lo tanto, utilizando los mismos índices para denotar las distribuciones, podemos escribir que

\begin{matrix} \ell_L (x_1, x_2, ..., x_n; \mu, \sigma) & = & - \sum _k \ln x_k + \ell_N (\ln x_1, \ln x_2, ..., \ln x_n; \mu, \sigma) = \\ \ & = & \operatorname {const} (\mu, \sigma) + \ell_N (\ln x_1, \ln x_2, ..., \ln x_n; \mu, \sigma). \end{matrix}

Ya que el primer término es constante respecto a μ y σ, ambas funciones logarítmicas, \ell_L y \ell_N, obtienen su máximo con el mismo μ e σ. Por tanto, utilizando las fórmulas para los estimadores de parámetros de la distribución normal, y la igualdad de arriba, deducimos que para la distribución log-normal se cumple

\widehat \mu = \frac {\sum_k \ln x_k} n, \ \widehat \sigma^2 = \frac {\sum_k {\left( \ln x_k - \widehat \mu \right)^2}} n.

Distribución relacionada

  • Si X \sim \ N(\mu, \sigma^2) es una distribución normal, entonces \exp(X) \sim \operatorname{Log-N}(\mu, \sigma^2).
  • Si X_m \sim \operatorname {Log-N} (\mu, \sigma_m^2), \ m = \overline {1 ... n} son variables independentes log-normalmente distribuidas con el mismo parámetro μ y permitiendo que varíe σ, y Y = \prod_{m=1}^N X_m, entonces Y es una variable distribuida log-normalmente como: Y \sim \operatorname {Log-N} \left( \mu, \sum _m \sigma_m^2 \right).

Véase también

Software

Se puede usar software o programa de computadora para el ajuste de una distribución de probabilidad, incluyendo la lognormal, a una serie de datos:


Wikimedia foundation. 2010.

Игры ⚽ Нужно решить контрольную?

Mira otros diccionarios:

  • Distribución normal — Saltar a navegación, búsqueda Distribución normal Función de densidad de probabilidad La línea verde corresponde a la distribución normal estandar Función de distribución de probabilidad …   Wikipedia Español

  • Distribución de Poisson — Saltar a navegación, búsqueda Distribución de Poisson Función de probabilidad El eje horizontal es el índice k. La función solamente está definida en valores enteros de k. Las líneas que conectan los puntos son solo guías para el ojo y no indican …   Wikipedia Español

  • Distribución t de Student — Función de densidad de probabilidad Función de distribución de pr …   Wikipedia Español

  • Análisis de frecuencia acumulada — La frecuencia acumulada o frecuencia acumulativa es la frecuencia de ocurrencia de valores de un fenómeno menores que un valor de referencia. El fenómeno puede ser un variable aleatoria que varia en el tiempo o en el espacio. La frecuencia… …   Wikipedia Español

  • Matemática financiera — Este artículo o sección sobre economía y matemáticas necesita ser wikificado con un formato acorde a las convenciones de estilo. Por favor, edítalo para que las cumpla. Mientras tanto, no elimines este aviso puesto el 31 de enero de 2011. Tamb …   Wikipedia Español

  • Estrella binaria — Imagen de la estrella binaria Sirio tomada por el Hubble. Debajo y a la izquierda de la gigantesca Sirio A, se distingue su pequeña compañera Sirio B. Una estrella binaria es un sistema estelar compuesto de dos estrellas que orbitan… …   Wikipedia Español

  • Función cuantil — En probabilidad la función cuantil de una distribución de probabilidad es la inversa de la función de distribución.[1] Dada una función de distribución continua y estrictamente monótona, , la función cuantil, F −1, devuelve un valor x tal… …   Wikipedia Español

  • Familia exponencial — Saltar a navegación, búsqueda En probabilidad y estadística, la familia exponencial es una clase de distribuciones de probabilidad cuya formulación matemática puede expresarse de la manera que se especifica debajo. Esta formulación confiere a las …   Wikipedia Español

  • Ruido de cuantificación — Saltar a navegación, búsqueda Figura 1: Procesos de la conversión A/D. Se define como error de cuantificación o ruido de cuantificación a la señal en tiempo discreto y amplitud continua introducida por el proceso de cuantificación (uno de los… …   Wikipedia Español

  • Teorema de equipartición — Figura 1. Movimiento térmico de un péptido tipo hélice α. El movimiento vibratorio es aleatorio y complejo, y la energía de un átomo en particular puede fluctuar ampliamente. Sin embargo, el teorema de equipartición permite que se pueda calcular… …   Wikipedia Español

Compartir el artículo y extractos

Link directo
… Do a right-click on the link above
and select “Copy Link”