Calculateur de loi log-normale

Calculateur de loi log-normale

En croissance AI Skill PRO

Entrez le calcul

Formule

f(x)=1xσ2πexp⁡(−(ln⁡x−μ)22σ2)f(x) = \frac{1}{\text{x}\;{\sigma}\sqrt{2\pi}}\,\exp\!\left(-\frac{\left(\ln \text{x} - {\mu}\right)^2}{2\,{\sigma}^2}\right)
Afficher les étapes du calcul (1)
  1. Probabilités cumulées

    P(X≤x)=Φ(ln⁡x−μσ)où{Φ(z)=12(1+erf(z2))P(X>x)=1−P(X≤x)\begin{gathered} P(X \le x) = \Phi\!\left(\frac{\ln \text{x} - {\mu}}{{\sigma}}\right) \\[1.5em] \text{où}\quad \left\{ \begin{aligned} \Phi(z) &= \tfrac{1}{2}\left(1 + \operatorname{erf}\!\left(\tfrac{z}{\sqrt{2}}\right)\right) \\ P(X > x) &= 1 - P(X \le x) \end{aligned} \right. \end{gathered}

    P = cumulée inférieure, 1 - P = cumulée supérieure, où Φ est la fonction de répartition de la loi normale centrée réduite.

Statistiques d'utilisation

Publicité

Résultats

Densité de probabilité f(x)
0,156874
densité (par unité de x)
Cumulée inférieure P(x) 0,755891
Cumulée supérieure Q(x) 0,244109

Signaler une erreur sur cette page

Qu'est-ce que la loi log-normale ?

Une variable aléatoire positive X suit une loi log-normale lorsque son logarithme naturel ln(X) suit une loi normale. Autrement dit, \(X = e^Y\), où Y est une variable normale d'espérance \(\mu\) et d'écart-type \(\sigma\). Comme le logarithme n'est défini que pour des valeurs strictement positives, la loi log-normale ne prend ses valeurs que sur les réels positifs. Elle constitue donc un modèle tout indiqué pour des grandeurs qui ne peuvent jamais être négatives : cours de Bourse, revenus, tailles de particules, mesures biologiques ou encore durées de vie avant défaillance.

Courbe de densité de probabilité log-normale asymétrique à droite
La densité log-normale n'est définie que pour x supérieur à 0 et est asymétrique à droite avec une longue queue.

Comment utiliser ce calculateur

Saisissez la valeur x à laquelle vous souhaitez évaluer la loi (elle doit être strictement supérieure à 0), puis indiquez \(\mu\) et \(\sigma\). Attention à un piège classique pour les débutants : ici, \(\mu\) et \(\sigma\) désignent l'espérance et l'écart-type de ln(X), et non ceux de X lui-même. Le calculateur renvoie trois résultats : la densité de probabilité \(f(x)\), la probabilité cumulée inférieure \(P(x) = P(X \le x)\) et la probabilité cumulée supérieure \(Q(x) = P(X > x) = 1 - P(x)\).

La formule expliquée

On définit le score standardisé \(z = (\ln x - \mu) / \sigma\). La densité s'écrit

$$f(x) = \frac{1}{\text{x}\;\sigma\sqrt{2\pi}}\,\exp\!\left(-\frac{\left(\ln \text{x} - \mu\right)^2}{2\,\sigma^2}\right)$$

La probabilité cumulée inférieure vaut

$$\begin{gathered} P(X \le x) = \Phi\!\left(\frac{\ln \text{x} - \mu}{\sigma}\right) \\[1.5em] \text{where}\quad \left\{ \begin{aligned} \Phi(z) &= \tfrac{1}{2}\left(1 + \operatorname{erf}\!\left(\tfrac{z}{\sqrt{2}}\right)\right) \\ P(X > x) &= 1 - P(X \le x) \end{aligned} \right. \end{gathered}$$

où \(\Phi\) est la fonction de répartition de la loi normale centrée réduite : \(\Phi(z) = 0{,}5 \cdot (1 + \operatorname{erf}(z/\sqrt{2}))\). La fonction erf n'étant pas disponible dans les bibliothèques mathématiques standard, cet outil utilise l'approximation polynomiale 7.1.26 d'Abramowitz & Stegun, précise à environ \(1{,}5 \times 10^{-7}\) près.

Publicité
Densité log-normale avec aires cumulatives inférieure et supérieure ombrées
La cumulative inférieure P(X ≤ x) est l'aire à gauche ; la cumulative supérieure Q(x) est l'aire à droite.

Exemple détaillé

Prenons \(x = 2\), \(\mu = 0\), \(\sigma = 1\). On a alors \(\ln(2) = 0{,}693147\) et \(z = 0{,}693147\). La densité vaut \(f(2) = \) terme exponentiel \(0{,}786429\) divisé par \(5{,}013256\), soit environ \(0{,}156874\). La probabilité cumulée inférieure est \(\Phi(0{,}693147) \approx 0{,}755891\), d'où une probabilité cumulée supérieure \(Q(2) = 1 - 0{,}755891 \approx 0{,}244109\).

FAQ

Pourquoi x doit-il être positif ? La loi log-normale n'est définie que pour \(x > 0\), car \(\ln(x)\) n'existe pas autrement. Pour \(x \le 0\), la densité vaut 0, \(P(x) = 0\) et \(Q(x) = 1\).

Comment obtenir l'espérance de X lui-même ? L'espérance de X est égale à \(\exp(\mu + \sigma^2/2)\), la médiane à \(\exp(\mu)\) et le mode à \(\exp(\mu - \sigma^2)\). Ces valeurs diffèrent de \(\mu\) et \(\sigma\), qui décrivent ln(X).

Que se passe-t-il si σ vaut 0 ? Un écart-type nul donne une masse ponctuelle dégénérée et provoque une division par zéro : il est donc refusé. Utilisez plutôt une valeur de \(\sigma\) légèrement positive.

Dernière mise à jour:

Les plus populaires dans Mathématiques et statistiques

Voir toutes les calculatrices de Mathématiques et statistiques