ما الذي يقوم به هذا المولّد
تُنتج هذه الأداة قائمة من الأعداد شبه العشوائية التي تتبع التوزيع اللوغاريتمي الطبيعي (Log-Normal). يكون المتغير العشوائي X لوغاريتميًا طبيعيًا عندما يتبع لوغاريتمه الطبيعي، أي \(\ln(X)\)، توزيعًا طبيعيًا. يبدأ المولّد بإنشاء قيم تتبع التوزيع الطبيعي القياسي باستخدام تحويل Box-Muller الكلاسيكي، ثم يقيسها لتطابق التوزيع الطبيعي المستهدف \(N(\mu, \sigma^2)\)، وأخيرًا يأخذ الدالة الأسية للحصول على قيم لوغاريتمية طبيعية موجبة تمامًا.
مهم: ماذا يعني كل من ميو وسيجما
المعاملان μ وσ يصفان التوزيع الطبيعي الكامن للمقدار \(\ln(X)\)، وهما ليسا المتوسط والانحراف المعياري للمتغير X نفسه. أما المتوسط الفعلي للمتغير X فهو \(\exp\!\left(\mu + \tfrac{1}{2}\sigma^{2}\right)\)، والوسيط هو \(\exp(\mu)\)، والتباين هو \(\left(e^{\sigma^{2}} - 1\right) e^{\,2\mu + \sigma^{2}}\). تُعرض هذه القيم المرجعية إلى جانب عيّنتك حتى تتمكن من التحقق من سلامة النتائج.
$$\begin{aligned} \text{Mean} &= \exp\!\left(\mu + \tfrac{1}{2}\sigma^{2}\right) \\ \text{Median} &= \exp\!\left(\mu\right) \\ \text{Var} &= \left(e^{\sigma^{2}} - 1\right) e^{\,2\mu + \sigma^{2}} \end{aligned}$$طريقة الاستخدام
أدخل قيمة μ (أي عدد حقيقي)، وقيمة σ (صفر أو قيمة موجبة)، وعدد الأعداد التي تريد توليدها (من 1 إلى 1000). ثم اختر عدد الأرقام المعنوية التي ترغب في عرضها. كل تشغيل يسحب أعدادًا عشوائية منتظمة جديدة، لذا تتغيّر القيم في كل مرة. وبما أن طريقة Box-Muller تنتج قيمتين طبيعيتين لكل زوج منتظم، فإن العدد الفردي يؤدي ببساطة إلى التخلص من قيمة فائضة واحدة.
شرح الصيغة الرياضية
بالنسبة لعددين منتظمين \(U_1\) و\(U_2\) ضمن المجال \((0,1]\): تعطي الصيغة
$$Z = \sqrt{-2\ln U_1}\,\cos(2\pi U_2)$$قيمة \(Z \sim N(0,1)\). ثم تكون \(Y = \mu + \sigma\, Z\) متبعةً للتوزيع \(N(\mu, \sigma^2)\)، وتكون \(X = \exp(Y)\) لوغاريتمية طبيعية.
$$X = \exp\!\left(\mu + \sigma\, Z\right), \quad Z = \sqrt{-2\ln U_1}\,\cos(2\pi U_2)$$ونتفادى الوقوع في \(\ln(0)\) بحصر \(U_1\) عند قيمة إبسيلون صغيرة جدًا.
مثال محلول
لنأخذ \(\mu = 1\) و\(\sigma = 2\)، مع \(U_1 = 0.5\) و\(U_2 = 0.25\). عندئذٍ \(R = \sqrt{-2\ln 0.5} = 1.17741\)، و\(Z_1 = R\cos(\pi/2) = 0\)، و\(Z_2 = R\sin(\pi/2) = 1.17741\). ومن ثَمّ \(X_1 = \exp(1) = 2.71828\) و\(X_2 = \exp(1 + 2\cdot 1.17741) = \exp(3.35482) \approx 28.64\). والقيمتان النظريتان المتوسط \(\exp(3) = 20.0855\) والوسيط \(\exp(1) = 2.71828\) متوافقتان مع النتائج.
كيف يغيّر μ وσ التوزيع
المعلمتان \(\mu\) و\(\sigma\) هما المتوسط والانحراف المعياري للوغاريتم \(\ln X\)، وليس للقيمة \(X\) نفسها. تتبع القيم النظرية التي تعرضها الحاسبة هذه الصيغ:
- الوسيط: \(e^{\mu}\)
- المتوسط: \(e^{\mu+\sigma^2/2}\)
- التباين: \((e^{\sigma^2}-1)\,e^{2\mu+\sigma^2}\)
| \(\mu\) | \(\sigma\) | الوسيط \(e^{\mu}\) | المتوسط | التباين | المتوسط/الوسيط \(e^{\sigma^2/2}\) |
|---|---|---|---|---|---|
| 0 | 0.25 | 1.0000 | 1.0317 | 0.0687 | 1.0317 |
| 0 | 0.5 | 1.0000 | 1.1331 | 0.3647 | 1.1331 |
| 0 | 1 | 1.0000 | 1.6487 | 4.6708 | 1.6487 |
| 1 | 0.5 | 2.7183 | 3.0802 | 2.6948 | 1.1331 |
| 1 | 2 | 2.7183 | 20.0855 | 21,623.04 | 7.3891 |
تحقق عملي للحالة (1, 2): المتوسط هو \(e^{1+4/2}=e^{3}\approx 20.0855\). التباين هو \((e^{4}-1)\,e^{2+4}=e^{10}-e^{6}\approx 22026.47-403.43=21623.04\).
ملاحظة حول النسبة: حاصل قسمة المتوسط على الوسيط يساوي دائماً \(e^{\sigma^2/2}\)، لذا يعتمد فقط على \(\sigma\). تغيير \(\mu\) يعيد قياس التوزيع بأكمله (يُضرب الوسيط في \(e^{\Delta\mu}\)) دون تغيير شكله. زيادة \(\sigma\) تجعل الذيل الأيمن أثقل، ويرتفع المتوسط بعيداً فوق الوسيط.
المصطلحات الأساسية
- التوزيع اللوغاريتمي الطبيعي
- توزيع متغير موجب \(X\) يكون لوغاريتمه الطبيعي \(\ln X\) موزعاً توزيعاً طبيعياً.
- мю (\(\mu\))
- متوسط \(\ln X\). وهو يحدد المقياس: وسيط \(X\) هو \(e^{\mu}\).
- سigma (\(\sigma\))
- الانحراف المعياري لـ \(\ln X\). يجب أن يكون موجباً، ويتحكم في الانتشار والالتواء.
- المتغير الطبيعي المعياري Z
- متغير طبيعي متوسطه 0 وتباينه 1. هنا \(X=e^{\mu+\sigma Z}\).
- المتغير المنتظم U
- عدد عشوائي موزع بالتساوي بين 0 و1. تستخدم طريقة Box-Muller اثنين منها، \(U_1\) و\(U_2\)، ويجب أن يكون \(U_1\) أكبر من 0.
- تحويل Box-Muller
- طريقة تحوّل متغيرين منتظمين مستقلين إلى متغيرين طبيعيين معياريين، على سبيل المثال \(Z=\sqrt{-2\ln U_1}\cos(2\pi U_2)\).
- عدد شبه عشوائي
- عدد تنتجه خوارزمية حتمية وتتصرف إحصائياً كعدد عشوائي، لكنه ليس عشوائياً حقيقياً.
- المتوسط والوسيط والمنوال
- المتوسط هو المعدل، والوسيط هو القيمة الوسطى، والمنوال هو القيمة الأكثر تكراراً (قمة الكثافة). بالنسبة للتوزيع اللوغاريتمي الطبيعي: المتوسط \(e^{\mu+\sigma^2/2}\)، والوسيط \(e^{\mu}\)، والمنوال \(e^{\mu-\sigma^2}\). المنوال < الوسيط < المتوسط.
- التباين
- متوسط مربعات الانحرافات عن المتوسط. بالنسبة للتوزيع اللوغاريتمي الطبيعي يساوي \((e^{\sigma^2}-1)e^{2\mu+\sigma^2}\).
- الالتواء الموجب (نحو اليمين)
- عدم تماثل بذيل طويل نحو القيم الكبيرة، مما يرفع المتوسط فوق الوسيط.
الأسئلة الشائعة
لماذا تختلف القيم في كل تشغيل؟ لأنه مولّد عشوائي يعتمد على الدالة Math.random()؛ وبدون بذرة (seed) ثابتة، تختلف نتائج كل تشغيل.
ماذا يحدث إذا كانت سيجما = 0؟ يصبح التوزيع منحلًّا (degenerate) وتساوي كل قيمة \(\exp(\mu)\).
هل يمكن أن تكون القيمة سالبة؟ لا، فمجال التوزيع اللوغاريتمي الطبيعي هو \((0, \infty)\)، لذا تكون جميع المخرجات موجبة تمامًا.