Co to jest rozkład lognormalny?
Rozkład lognormalny opisuje dodatnie dane, które mają długi ogon po prawej stronie. Oznacza to, że większość wartości może być skupiona w niższym zakresie, ale sporadycznie pojawiają się znacznie większe obserwacje. Typowe przykłady to czasy trwania, ceny, rozmiary plików, dochody, opóźnienia, pomiary biologiczne, stężenia i wartości, które powstają przez mnożenie wielu niezależnych czynników.
Najważniejsza własność jest prosta: jeśli zmienna X ma rozkład lognormalny, to ln(X) ma rozkład normalny. W praktyce zamiast analizować X bezpośrednio, często bierze się logarytm danych, a dopiero potem używa narzędzi dla rozkładu normalnego.
Ten kalkulator liczy dystrybuantę, prawy ogon, przedziały, kwantyle oraz podstawowe parametry rozkładu. Dobrze uzupełnia kalkulator rozkładu normalnego, ponieważ pokazuje, co dzieje się po odwróceniu logarytmowania.
Parametry μ i σ - dlaczego dotyczą logarytmu, a nie samego X?
W zapisie rozkładu lognormalnego parametry μ i σ nie są zwykłą średnią i odchyleniem standardowym zmiennej X. Są to parametry rozkładu normalnego dla ln(X). To bardzo ważne, bo średnia X, mediana X i dominanta X nie są równe μ.
Jeżeli znasz μ i σ dla logarytmów, możesz wpisać je bezpośrednio. Jeśli masz zwykłą średnią i odchylenie standardowe zmiennej X, wybierz tryb „średnia i odchylenie X”. Kalkulator przeliczy je na parametry logarytmiczne za pomocą wzorów:
σ² = ln(1 + SD² / średnia²) μ = ln(średnia) - σ²/2
Dzięki temu można pracować zarówno z parametrami teoretycznymi, jak i z opisem danych w oryginalnej skali.
Najważniejsze wzory dla rozkładu lognormalnego
Dystrybuanta rozkładu lognormalnego korzysta z dystrybuanty standardowego rozkładu normalnego. Najpierw przeliczamy wartość x na z-score dla logarytmu, a dopiero potem odczytujemy wynik z normalnego rozkładu.
| Wielkość | Wzór | Znaczenie |
|---|---|---|
| standaryzacja | z=(ln(x)-μ)/σ | przejście z X do rozkładu normalnego |
| dystrybuanta | F(x)=Φ((ln(x)-μ)/σ) | P(X≤x) |
| mediana | exp(μ) | środkowa wartość rozkładu |
| średnia | exp(μ+σ²/2) | przeciętna wartość X |
| dominanta | exp(μ-σ²) | najbardziej prawdopodobna okolica |
| wariancja | (exp(σ²)-1)exp(2μ+σ²) | rozrzut w oryginalnej skali |
Dystrybuanta, prawy ogon i prawdopodobieństwo przedziału
Dystrybuanta F(x)=P(X≤x) odpowiada na pytanie, jaka część rozkładu znajduje się po lewej stronie wybranej wartości x. Prawy ogon P(X≥x) jest dopełnieniem dystrybuanty i bywa szczególnie ważny przy danych skośnych, gdzie rzadkie, wysokie wartości mogą mieć duże znaczenie.
Prawdopodobieństwo przedziału P(a≤X≤b) liczymy jako F(b)-F(a). W rozkładzie lognormalnym przedział w oryginalnej skali nie jest symetryczny względem średniej. Często lepiej interpretować go przez kwantyle, medianę i ogon prawy niż przez samą średnią.
Kalkulator pokazuje także z-score dla logarytmu. To pozwala zobaczyć, jak daleko wartość x leży od średniej logarytmów, a nie od średniej samej zmiennej X.
Kwantyle i przedziały centralne
Kwantyl rozkładu lognormalnego oblicza się przez odwrócenie transformacji logarytmicznej. Najpierw bierze się kwantyl rozkładu normalnego, a następnie wynik podnosi do funkcji exp:
xp = exp(μ + σzp)
Dzięki temu kalkulator może policzyć np. wartość, poniżej której mieści się 90%, 95% albo 99% rozkładu. W danych lognormalnych wysokie kwantyle często rosną szybko, bo prawy ogon jest długi. To dobry powód, aby nie opierać decyzji tylko na średniej.
Przedział centralny, np. centralne 95%, to zakres między kwantylem 2,5% i 97,5%. Taki przedział bywa wygodniejszy do opisu typowego obszaru zmienności niż przedział budowany jako średnia ± kilka odchyleń w oryginalnej skali.
Średnia, mediana i dominanta - trzy różne punkty
W rozkładzie symetrycznym średnia, mediana i dominanta często są blisko siebie. W rozkładzie lognormalnym zwykle są rozdzielone. Najczęściej zachodzi kolejność: dominanta < mediana < średnia. Dzieje się tak dlatego, że długi prawy ogon podciąga średnią w górę.
Przykład praktyczny: typowy czas wykonania zadania może być bliżej mediany, a średnia może być znacznie wyższa przez kilka wyjątkowo długich przypadków. Dlatego w raportach o danych skośnych często lepiej pokazywać medianę i kwantyle, a nie tylko średnią.
Kalkulator podaje wszystkie trzy wartości, aby ułatwić interpretację. Jeżeli średnia jest dużo większa od mediany, to znak, że rozkład ma istotny prawy ogon.
Rozkład lognormalny w analizie danych, cen i czasów
Lognormalny model pojawia się tam, gdzie wartość powstaje jako efekt mnożenia, a nie dodawania. Ceny mogą zmieniać się procentowo, czas realizacji może wydłużać się przez kolejne czynniki, a rozmiary i pomiary biologiczne często rosną w sposób względny. W takich sytuacjach normalność w oryginalnej skali bywa słaba, ale logarytmy mogą wyglądać znacznie bardziej regularnie.
W analizie cen rozkład lognormalny pomaga lepiej zrozumieć ryzyko bardzo wysokich wartości. W analizie czasów pokazuje, że kilka długich przypadków może mocno zmienić średnią. W analizie technicznej może opisywać dodatnie wielkości, które nie mogą spaść poniżej zera, ale mogą osiągać duże wartości.
Przed zastosowaniem modelu warto obejrzeć histogram danych oraz histogram logarytmów. Do tego możesz użyć kalkulatora histogramu i porównać rozrzut przez kwartyle oraz IQR.
Porównanie z rozkładem normalnym, gamma i Weibulla
Rozkład lognormalny, gamma i Weibulla są często używane do dodatnich, prawostronnie skośnych danych. Różnią się jednak interpretacją i typowymi zastosowaniami. Lognormalny jest naturalny, gdy logarytmy danych są bliskie normalności. Gamma dobrze opisuje dodatnie czasy i sumy dodatnich składników. Weibull jest szczególnie mocny w niezawodności, bo parametr k opisuje zmianę hazardu w czasie.
| Rozkład | Najlepszy do | Co sprawdzić? |
|---|---|---|
| normalny | symetryczne dane wokół średniej | czy dane mogą być ujemne i czy brak silnej skośności |
| lognormalny | dodatnie dane z prawym ogonem | czy ln(X) wygląda normalnie |
| gamma | dodatnie czasy i sumy składników | kształt, skala i prawy ogon |
| Weibulla | czas do awarii i niezawodność | trend hazardu: malejący, stały lub rosnący |
Do porównania możesz użyć rozkładu gamma i rozkładu Weibulla. Jeżeli po logarytmowaniu dane są zbliżone do normalnych, rozkład lognormalny może być bardzo wygodnym modelem.
Przykład krok po kroku
Załóżmy, że ln(X) ma rozkład normalny o parametrach μ=4,60 i σ=0,35. Chcemy policzyć P(X≤120). Najpierw bierzemy logarytm wartości 120, a potem standaryzujemy go względem μ i σ:
z = (ln(120)-4,60)/0,35
Następnie odczytujemy dystrybuantę standardowego rozkładu normalnego dla tego z-score. Kalkulator pokazuje wynik P(X≤120), prawy ogon P(X≥120), gęstość w punkcie oraz parametry opisowe rozkładu.
Jeżeli pytanie dotyczy przedziału, np. od 80 do 160, kalkulator liczy F(160)-F(80). W danych lognormalnych taki przedział łatwiej interpretować przez kwantyle niż przez odległość od średniej.
Zadania przykładowe
Jeśli X jest lognormalne, jaki rozkład ma ln(X)?
Co jest medianą rozkładu lognormalnego?
Dlaczego średnia bywa większa od mediany?
Jak policzyć P(a≤X≤b)?
Co oznacza kwantyl 0,95?
Czy rozkład lognormalny może przyjmować wartości ujemne?
Najczęstsze błędy przy rozkładzie lognormalnym
- Mylenie μ ze średnią X - μ jest średnią logarytmów, a nie średnią w oryginalnej skali.
- Wpisywanie x≤0 - rozkład lognormalny jest określony tylko dla wartości dodatnich.
- Interpretowanie średniej jako typowej wartości - przy silnej skośności mediana może lepiej opisywać typowy przypadek.
- Pomijanie kwantyli - wysokie kwantyle są ważne, gdy interesuje Cię ryzyko dużych wartości.
- Porównywanie z normalnym bez logarytmowania - normalność może pojawić się dopiero po transformacji ln(X).
- Używanie średnia ± odchylenie w oryginalnej skali - przy skośnym rozkładzie taki opis może być mylący.
Sprawdź także
Do pracy z rozkładem po logarytmowaniu użyj rozkładu normalnego. Przy dodatnich czasach i prawych ogonach porównaj wynik z rozkładem gamma oraz rozkładem Weibulla. Do opisu rzeczywistych danych sprawdź także histogram i współczynnik zmienności.
Wskazówka od KalkulatorXXL
Przy danych dodatnich i skośnych porównaj średnią z medianą. Jeśli średnia jest wyraźnie większa, rozkład lognormalny albo inny rozkład z prawym ogonem może opisywać dane lepiej niż zwykły normalny.
Cały pakiet statystyki i rozkładów
Ten kalkulator jest częścią większego pakietu narzędzi do statystyki, prawdopodobieństwa, rozkładów i analizy danych. Jeśli chcesz przejść od pojedynczego wyniku do szerszego zestawu metod, sprawdź Statystyka, prawdopodobieństwo i rozkłady - akademia obliczeń. Znajdziesz tam ścieżki do rozkładów dyskretnych i ciągłych, testów statystycznych, z-score, wartości odstających, ANOVA oraz narzędzi do oceny modeli.