लॉग-नॉर्मल वितरण रैंडम नंबर जनरेटर

लॉग-नॉर्मल वितरण रैंडम नंबर जनरेटर

बढ़ रहा AI Skill PRO

गणना दर्ज करें

सूत्र (फॉर्मूला)

X=exp⁡(μ+σZ)जहाँ{Z=−2ln⁡U1cos⁡(2πU2)U1,U2∼एकसमान(0,1)\begin{gathered} X = \exp\!\left({\mu} + {\sigma}\, Z\right) \\[1.5em] \text{जहाँ}\quad \left\{ \begin{aligned} Z &= \sqrt{-2\ln U_1}\,\cos(2\pi U_2) \\ U_1, U_2 &\sim \text{एकसमान}(0,1) \end{aligned} \right. \end{gathered}
गणना के चरण दिखाएँ (1)
  1. वितरण के आँकड़े

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

    mu और sigma से लॉग-नॉर्मल वितरण का सैद्धांतिक माध्य, मध्यिका और प्रसरण।

उपयोग आँकड़े

विज्ञापन

परिणाम

तैयार किए गए लॉग-नॉर्मल रैंडम नंबर
10
धनात्मक लॉग-नॉर्मल मान (Box-Muller)
0.0.6070142415
1.3.832928503
2.11.21984818
3.0.4105624596
4.0.8578511591
5.10.36307121
6.0.3793351375
7.885.7174509
8.13.84036821
9.0.1708373313
सैद्धांतिक माध्य 20.085537
सैद्धांतिक मध्यिका 2.718282
सैद्धांतिक प्रसरण Var[X] 21,623.037001

इस पेज पर त्रुटि की रिपोर्ट करें

यह जनरेटर क्या करता है

यह टूल ऐसे स्यूडो-रैंडम नंबरों की एक सूची तैयार करता है जो लॉग-नॉर्मल वितरण (log-normal distribution) का पालन करते हैं। कोई यादृच्छिक चर X तब लॉग-नॉर्मल कहलाता है जब उसका प्राकृतिक लघुगणक, यानी \(\ln(X)\), नॉर्मल वितरण में आता है। जनरेटर पहले प्रसिद्ध Box-Muller ट्रांसफ़ॉर्म से मानक-नॉर्मल मान बनाता है, उन्हें लक्षित नॉर्मल \(N(\mu, \sigma^2)\) तक स्केल करता है, और फिर उनका exponential (घातांक) लेकर हमेशा धनात्मक लॉग-नॉर्मल मान प्राप्त करता है।

झुकी हुई लॉग-नॉर्मल प्रायिकता घनत्व वक्र, जिसमें माध्य, माध्यिका और बहुलक अंकित हैं
लॉग-नॉर्मल वितरण धनात्मक मानों वाला और दाईं ओर झुका होता है, जहाँ बहुलक < माध्यिका < माध्य।

ज़रूरी बात: mu और sigma का असली मतलब

पैरामीटर \(\mu\) और \(\sigma\) उस अंतर्निहित नॉर्मल वितरण को बताते हैं जिसमें \(\ln(X)\) आता है — ये स्वयं X के माध्य और मानक विचलन नहीं हैं। X का वास्तविक माध्य \(\exp(\mu + \sigma^2/2)\) होता है, मध्यिका \(\exp(\mu)\) होती है, और प्रसरण \((\exp(\sigma^2) - 1)\cdot\exp(2\mu + \sigma^2)\) होता है। ये संदर्भ मान आपके सैंपल के साथ दिखाए जाते हैं ताकि आप आउटपुट की जाँच-परख कर सकें।

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

इसे कैसे इस्तेमाल करें

\(\mu\) (कोई भी वास्तविक संख्या), \(\sigma\) (शून्य या धनात्मक), और आप कितने नंबर चाहते हैं (1 से 1000 तक) दर्ज करें। तय करें कि कितने सार्थक अंक (significant digits) दिखाने हैं। हर बार चलाने पर नए यूनिफ़ॉर्म रैंडम नंबर निकाले जाते हैं, इसलिए मान हर बार बदलते हैं। चूँकि Box-Muller विधि हर यूनिफ़ॉर्म जोड़ी से दो नॉर्मल मान देती है, अगर आप विषम (odd) संख्या माँगते हैं तो एक अतिरिक्त मान को बस छोड़ दिया जाता है।

विज्ञापन

सूत्र की व्याख्या

(0,1] में यूनिफ़ॉर्म मान U1, U2 के लिए: \(Z = \sqrt{-2\ln U_1}\,\cos(2\pi U_2)\) से \(Z \sim N(0,1)\) मिलता है। फिर \(Y = \mu + \sigma\, Z\), जो \(N(\mu, \sigma^2)\) होता है, और \(X = \exp(Y)\) लॉग-नॉर्मल होता है। \(\ln(0)\) से बचने के लिए हम U1 को एक बहुत छोटे epsilon पर रोक देते हैं।

$$\begin{gathered} X = \exp\!\left(\mu + \sigma\, Z\right) \\[1.5em] \text{where}\quad \left\{ \begin{aligned} Z &= \sqrt{-2\ln U_1}\,\cos(2\pi U_2) \\ U_1, U_2 &\sim \text{Uniform}(0,1) \end{aligned} \right. \end{gathered}$$
बॉक्स-मुलर रूपांतरण का प्रवाह आरेख जो दो समान संख्याओं को लॉग-नॉर्मल मान में बदलता है
दो समान यादृच्छिक संख्याएँ बॉक्स-मुलर से मानक सामान्य Z बनती हैं, फिर स्केल और घातांकित होकर X बन जाती हैं।

हल किया गया उदाहरण

\(\mu = 1\), \(\sigma = 2\) के साथ, मान लें \(U_1 = 0.5\), \(U_2 = 0.25\)। तब \(R = \sqrt{-2\ln 0.5} = 1.17741\)। \(Z_1 = R\cdot\cos(\pi/2) = 0\) और \(Z_2 = R\cdot\sin(\pi/2) = 1.17741\)। इसलिए \(X_1 = \exp(1) = 2.71828\) और \(X_2 = \exp(1 + 2\cdot 1.17741) = \exp(3.35482) \approx 28.64\)। सैद्धांतिक माध्य \(\exp(3) = 20.0855\) और मध्यिका \(\exp(1) = 2.71828\) इन मानों के अनुरूप हैं।

μ और σ वितरण को कैसे बदलते हैं

पैरामीटर \(\mu\) और \(\sigma\) वास्तव में \(\ln X\) के माध्य और मानक विचलन हैं, न कि स्वयं \(X\) के। कैलकुलेटर द्वारा दिए गए सैद्धांतिक मान इन सूत्रों का पालन करते हैं:

  • माध्यिका: \(e^{\mu}\)
  • माध्य: \(e^{\mu+\sigma^2/2}\)
  • प्रसरण: \((e^{\sigma^2}-1)\,e^{2\mu+\sigma^2}\)
\(\mu\) \(\sigma\) माध्यिका \(e^{\mu}\) माध्य प्रसरण माध्य/माध्यिका \(e^{\sigma^2/2}\)
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

(1, 2) के लिए कार्य-जाँच: माध्य \(e^{1+4/2}=e^{3}\approx 20.0855\) है। प्रसरण \((e^{4}-1)\,e^{2+4}=e^{10}-e^{6}\approx 22026.47-403.43=21623.04\) है।

अनुपात पर टिप्पणी: माध्य को माध्यिका से भाग देने पर हमेशा \(e^{\sigma^2/2}\) मिलता है, इसलिए यह केवल \(\sigma\) पर निर्भर करता है। \(\mu\) बदलने से पूरा वितरण पैमाने में बदल जाता है (माध्यिका \(e^{\Delta\mu}\) से गुणा हो जाती है) लेकिन उसका आकार नहीं बदलता। \(\sigma\) बढ़ाने पर दाहिनी पूँछ अधिक भारी हो जाती है और माध्य माध्यिका से काफी ऊपर चला जाता है।

विज्ञापन

मुख्य शब्द

लॉग-नॉर्मल वितरण
एक धनात्मक चर \(X\) का वितरण, जिसका प्राकृतिक लघुगणक \(\ln X\) सामान्य रूप से वितरित होता है।
म्यू (\(\mu\))
\(\ln X\) का माध्य। यह पैमाना तय करता है: \(X\) की माध्यिका \(e^{\mu}\) होती है।
सिग्मा (\(\sigma\))
\(\ln X\) का मानक विचलन। यह धनात्मक होना चाहिए और फैलाव तथा तिरछापन नियंत्रित करता है।
मानक सामान्य Z
एक सामान्य चर जिसका माध्य 0 और प्रसरण 1 है। यहाँ \(X=e^{\mu+\sigma Z}\) है।
एकसमान चर U
0 और 1 के बीच समान रूप से वितरित एक यादृच्छिक संख्या। बॉक्स-मुलर विधि इनमें से दो, \(U_1\) और \(U_2\), का उपयोग करती है, और \(U_1\) का 0 से बड़ा होना आवश्यक है।
बॉक्स-मुलर रूपांतरण
एक विधि जो दो स्वतंत्र एकसमान चरों को मानक सामान्य चरों में बदलती है, उदाहरण के लिए \(Z=\sqrt{-2\ln U_1}\cos(2\pi U_2)\)।
छद्म-यादृच्छिक संख्या
एक निर्धारित एल्गोरिथ्म द्वारा उत्पन्न संख्या, जो सांख्यिकीय रूप से यादृच्छिक संख्या की तरह व्यवहार करती है, लेकिन वास्तव में यादृच्छिक नहीं होती।
माध्य, माध्यिका, बहुलक
औसत, मध्य मान, और सबसे अधिक बार आने वाला मान (घनत्व का शिखर)। लॉग-नॉर्मल के लिए: माध्य \(e^{\mu+\sigma^2/2}\), माध्यिका \(e^{\mu}\), बहुलक \(e^{\mu-\sigma^2}\)। बहुलक < माध्यिका < माध्य।
प्रसरण
माध्य से औसत वर्गित विचलन। लॉग-नॉर्मल के लिए यह \((e^{\sigma^2}-1)e^{2\mu+\sigma^2}\) है।
दाहिनी तिरछापन (राइट स्क्यू)
एक असममिति जिसमें बड़े मानों की ओर लंबी पूँछ होती है, जो माध्य को माध्यिका से ऊपर खींच देती है।

अक्सर पूछे जाने वाले सवाल

हर बार चलाने पर मेरे मान अलग क्यों आते हैं? यह Math.random() का इस्तेमाल करने वाला एक यादृच्छिक (stochastic) जनरेटर है; बिना किसी निश्चित seed के हर बार परिणाम अलग होते हैं।

अगर sigma = 0 हो तो? तब वितरण अपभ्रष्ट (degenerate) हो जाता है और हर मान \(\exp(\mu)\) के बराबर होता है।

क्या कोई मान ऋणात्मक हो सकता है? नहीं — लॉग-नॉर्मल का परिसर \((0, \infty)\) है, इसलिए सभी आउटपुट हमेशा धनात्मक होते हैं।

अंतिम अपडेट:

गणित और सांख्यिकी में सबसे लोकप्रिय

गणित और सांख्यिकी के सभी कैलकुलेटर देखें