Générateur de nombres aléatoires suivant une loi log-normale

Générateur de nombres aléatoires suivant une loi log-normale

En croissance AI Skill PRO

Entrez le calcul

Formule

X=exp⁡(μ+σZ)où{Z=−2ln⁡U1cos⁡(2πU2)U1,U2∼Uniforme(0,1)\begin{gathered} X = \exp\!\left({\mu} + {\sigma}\, Z\right) \\[1.5em] \text{où}\quad \left\{ \begin{aligned} Z &= \sqrt{-2\ln U_1}\,\cos(2\pi U_2) \\ U_1, U_2 &\sim \text{Uniforme}(0,1) \end{aligned} \right. \end{gathered}
Afficher les étapes du calcul (1)
  1. Statistiques de la distribution

    Moyenne=exp⁡(μ+12σ2)Médiane=exp⁡(μ)Var=(eσ2−1)e2μ+σ2\begin{aligned} \text{Moyenne} &= \exp\!\left({\mu} + \tfrac{1}{2}{\sigma}^{2}\right) \\ \text{Médiane} &= \exp\!\left({\mu}\right) \\ \text{Var} &= \left(e^{{\sigma}^{2}} - 1\right) e^{\,2{\mu} + {\sigma}^{2}} \end{aligned}

    Moyenne, médiane et variance théoriques de la loi log-normale à partir de mu et sigma.

Statistiques d'utilisation

Publicité

Résultats

Nombres aléatoires log-normaux générés
10
valeurs log-normales positives (Box-Muller)
0.0.3522119613
1.5.053784406
2.1.219992763
3.12.12954651
4.69.90232696
5.6.260811848
6.1.594047456
7.0.7732426117
8.1.330178309
9.1.060177117
Moyenne théorique 20,085537
Médiane théorique 2,718282
Variance théorique Var[X] 21 623,037001

Signaler une erreur sur cette page

À quoi sert ce générateur

Cet outil produit une liste de nombres pseudo-aléatoires qui suivent une loi log-normale. Une variable aléatoire X est dite log-normale lorsque son logarithme népérien, \(\ln(X)\), suit une loi normale. Le générateur commence par créer des variables normales centrées réduites à l'aide de la célèbre transformation de Box-Muller, les met à l'échelle pour obtenir la loi normale cible \(N(\mu, \sigma^2)\), puis applique l'exponentielle pour obtenir des valeurs log-normales strictement positives.

Courbe de densité log-normale asymétrique avec la moyenne, la médiane et le mode marqués
La loi log-normale prend des valeurs positives et est asymétrique à droite, avec mode < médiane < moyenne.

À retenir : ce que représentent mu et sigma

Les paramètres \(\mu\) et \(\sigma\) décrivent la loi normale sous-jacente de \(\ln(X)\) — ce ne sont pas la moyenne et l'écart-type de X lui-même. La véritable moyenne de X vaut \(\exp(\mu + \sigma^2/2)\), la médiane vaut \(\exp(\mu)\) et la variance vaut \((\exp(\sigma^2) - 1)\cdot\exp(2\mu + \sigma^2)\). Ces valeurs de référence s'affichent à côté de votre échantillon afin de vous permettre de vérifier la cohérence des résultats.

$$\begin{aligned} \text{Mean} &= \exp\!\left(\mu + \tfrac{1}{2}\sigma^{2}\right) \\ \text{Median} &= \exp\!\left(\mu\right) \\ \text{Var} &= \left(e^{\sigma^{2}} - 1\right) e^{\,2\mu + \sigma^{2}} \end{aligned}$$

Mode d'emploi

Saisissez \(\mu\) (un réel quelconque), \(\sigma\) (nul ou positif) et le nombre de valeurs souhaité (de 1 à 1000). Choisissez le nombre de chiffres significatifs à afficher. Chaque exécution tire de nouveaux nombres aléatoires uniformes : les valeurs changent donc à chaque fois. Comme la méthode de Box-Muller fournit deux variables normales par couple de nombres uniformes, un nombre impair de valeurs entraîne simplement l'abandon d'une variable excédentaire.

Publicité

La formule expliquée

Pour des variables uniformes \(U_1, U_2\) dans \((0,1]\) :

$$Z = \sqrt{-2\ln U_1}\,\cos(2\pi U_2)$$

donne \(Z \sim N(0,1)\). Ensuite \(Y = \mu + \sigma\cdot Z\) suit \(N(\mu, \sigma^2)\), et \(X = \exp(Y)\) est log-normale. On évite \(\ln(0)\) en bornant \(U_1\) par un epsilon infime.

$$X = \exp\!\left(\mu + \sigma\, Z\right), \quad Z = \sqrt{-2\ln U_1}\,\cos(2\pi U_2)$$
Schéma de la transformation de Box-Muller convertissant deux nombres uniformes en une valeur log-normale
Deux nombres aléatoires uniformes deviennent une loi normale standard Z par Box-Muller, puis sont mis à l'échelle et exponentiés en X.

Exemple détaillé

Avec \(\mu = 1\), \(\sigma = 2\), prenons \(U_1 = 0{,}5\) et \(U_2 = 0{,}25\). On obtient \(R = \sqrt{-2\cdot\ln 0{,}5} = 1{,}17741\). Alors \(Z_1 = R\cdot\cos(\pi/2) = 0\) et \(Z_2 = R\cdot\sin(\pi/2) = 1{,}17741\). D'où \(X_1 = \exp(1) = 2{,}71828\) et \(X_2 = \exp(1 + 2\cdot 1{,}17741) = \exp(3{,}35482) \approx 28{,}64\). La moyenne théorique \(\exp(3) = 20{,}0855\) et la médiane \(\exp(1) = 2{,}71828\) sont cohérentes avec ces résultats.

Comment μ et σ modifient la distribution

Les paramètres \(\mu\) et \(\sigma\) sont la moyenne et l'écart type de \(\ln X\), et non de \(X\) lui-même. Les valeurs théoriques que la calculatrice affiche suivent ces formules :

  • Médiane : \(e^{\mu}\)
  • Moyenne : \(e^{\mu+\sigma^2/2}\)
  • Variance : \((e^{\sigma^2}-1)\,e^{2\mu+\sigma^2}\)
\(\mu\) \(\sigma\) Médiane \(e^{\mu}\) Moyenne Variance Moyenne/médiane \(e^{\sigma^2/2}\)
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

Vérification détaillée pour (1, 2) : la moyenne vaut \(e^{1+4/2}=e^{3}\approx 20.0855\). La variance vaut \((e^{4}-1)\,e^{2+4}=e^{10}-e^{6}\approx 22026.47-403.43=21623.04\).

Remarque sur le rapport : le rapport moyenne/médiane vaut toujours \(e^{\sigma^2/2}\), il ne dépend donc que de \(\sigma\). Modifier \(\mu\) remet à l'échelle toute la distribution (la médiane est multipliée par \(e^{\Delta\mu}\)) sans changer sa forme. Augmenter \(\sigma\) alourdit la queue de droite, et la moyenne s'éloigne fortement au-dessus de la médiane.

Publicité

Termes clés

Loi log-normale
La loi d'une variable positive \(X\) dont le logarithme népérien \(\ln X\) suit une loi normale.
Mu (\(\mu\))
La moyenne de \(\ln X\). Il fixe l'échelle : la médiane de \(X\) est \(e^{\mu}\).
Sigma (\(\sigma\))
L'écart type de \(\ln X\). Il doit être positif et contrôle la dispersion et l'asymétrie.
Normale centrée réduite Z
Une variable normale de moyenne 0 et de variance 1. Ici \(X=e^{\mu+\sigma Z}\).
Variable uniforme U
Un nombre aléatoire réparti uniformément entre 0 et 1. La méthode de Box-Muller en utilise deux, \(U_1\) et \(U_2\), et \(U_1\) doit être strictement supérieur à 0.
Transformation de Box-Muller
Une méthode qui transforme deux variables uniformes indépendantes en variables normales centrées réduites, par exemple \(Z=\sqrt{-2\ln U_1}\cos(2\pi U_2)\).
Nombre pseudo-aléatoire
Un nombre produit par un algorithme déterministe qui se comporte statistiquement comme un nombre aléatoire, mais qui n'est pas véritablement aléatoire.
Moyenne, médiane, mode
La moyenne, la valeur centrale et la valeur la plus fréquente (le sommet de la densité). Pour la log-normale : moyenne \(e^{\mu+\sigma^2/2}\), médiane \(e^{\mu}\), mode \(e^{\mu-\sigma^2}\). Mode < médiane < moyenne.
Variance
La moyenne des carrés des écarts à la moyenne. Pour la log-normale, elle vaut \((e^{\sigma^2}-1)e^{2\mu+\sigma^2}\).
Asymétrie à droite
Une asymétrie avec une longue queue vers les grandes valeurs, qui tire la moyenne au-dessus de la médiane.

FAQ

Pourquoi mes valeurs changent-elles à chaque exécution ? Il s'agit d'un générateur stochastique qui utilise Math.random() ; sans graine (seed) fixe, chaque exécution produit un résultat différent.

Que se passe-t-il si sigma = 0 ? La loi devient dégénérée et toutes les valeurs sont égales à \(\exp(\mu)\).

Une valeur peut-elle être négative ? Non — le support d'une loi log-normale est \((0, \infty)\), donc toutes les valeurs produites sont strictement positives.

Dernière mise à jour:

Les plus populaires dans Mathématiques et statistiques

Voir toutes les calculatrices de Mathématiques et statistiques