Калькулятор логнормального распределения

Калькулятор логнормального распределения

Развивающийся AI Skill PRO

Введите расчет

Математическая формула

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)
Показать шаги расчёта (1)
  1. Кумулятивные вероятности

    P(X≤x)=Φ(ln⁡x−μσ)где{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{где}\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 = нижняя кумулятивная, 1 - P = верхняя кумулятивная, где Φ — функция распределения стандартного нормального закона.

Статистика использования

Реклама

Результаты

Плотность вероятности f(x)
0,156874
плотность (на единицу x)
Нижняя кумулятивная P(x) 0,755891
Верхняя кумулятивная Q(x) 0,244109

Сообщить об ошибке на этой странице

Что такое логнормальное распределение?

Положительная случайная величина X подчиняется логнормальному распределению, если её натуральный логарифм ln(X) распределён нормально. Иными словами, \(X = e^Y\), где Y — нормальная случайная величина со средним \(\mu\) и стандартным отклонением \(\sigma\). Поскольку логарифм определён только для положительных чисел, логнормальное распределение целиком сосредоточено на положительной полуоси. Это делает его естественной моделью для величин, которые не могут быть отрицательными: цен акций, доходов, размеров частиц, биологических измерений и времени до отказа оборудования.

Скошенная вправо кривая плотности логнормального распределения
Логнормальная функция плотности определена только при x больше 0 и скошена вправо с длинным хвостом.

Как пользоваться калькулятором

Введите значение x, в котором нужно вычислить распределение (оно должно быть больше 0), а затем укажите \(\mu\) и \(\sigma\). Важный момент, который часто сбивает с толку новичков: здесь \(\mu\) и \(\sigma\) — это среднее и стандартное отклонение величины \(\ln(X)\), а не самой X. Калькулятор выдаёт три числа: плотность вероятности \(f(x)\), нижнюю кумулятивную вероятность \(P(x) = P(X \le x)\) и верхнюю кумулятивную вероятность \(Q(x) = P(X > x) = 1 - P(x)\).

Разбор формулы

Введём стандартизованную величину \(z = (\ln x - \mu) / \sigma\). Тогда плотность равна

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

Нижняя кумулятивная вероятность вычисляется как

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

где \(\Phi\) — функция стандартного нормального распределения. Так как функция ошибок erf отсутствует в стандартных математических библиотеках, в калькуляторе используется полиномиальная аппроксимация Абрамовица и Стиган (формула 7.1.26) с точностью около \(1{,}5 \times 10^{-7}\).

Реклама
Логнормальная плотность с закрашенными нижней и верхней накопленными областями
Нижняя накопленная вероятность P(X ≤ x) — это площадь слева; верхняя Q(x) — площадь справа.

Пример расчёта

Возьмём \(x = 2\), \(\mu = 0\), \(\sigma = 1\). Тогда \(\ln(2) = 0{,}693147\) и \(z = 0{,}693147\). Плотность получается так: экспоненциальный множитель \(0{,}786429\) делим на \(5{,}013256\), что даёт примерно \(0{,}156874\). Нижняя кумулятивная вероятность \(\Phi(0{,}693147) \approx 0{,}755891\), поэтому верхняя кумулятивная вероятность равна \(Q(2) = 1 - 0{,}755891 \approx 0{,}244109\).

Частые вопросы

Почему x должно быть положительным? Логнормальное распределение определено только при \(x > 0\), потому что иначе \(\ln(x)\) не существует. При \(x \le 0\) плотность равна 0, \(P(x) = 0\), а \(Q(x) = 1\).

Как найти среднее самой величины X? Среднее X равно \(\exp(\mu + \sigma^2/2)\), медиана — \(\exp(\mu)\), а мода — \(\exp(\mu - \sigma^2)\). Обратите внимание: эти значения отличаются от \(\mu\) и \(\sigma\), которые описывают именно \(\ln(X)\).

Что будет, если σ равно 0? Нулевое стандартное отклонение даёт вырожденное распределение с точечной массой и приводит к делению на ноль, поэтому такое значение не принимается — используйте малое положительное \(\sigma\).

Последнее обновление:

Самые популярные в разделе Математика и статистика

Все калькуляторы раздела Математика и статистика