DISTRIBUCION LOG-NORMAL
Una distribución log-normal (log-normal o Galton) es una distribución de
probabilidad con un logaritmo distribuido normalmente. Una variable
aleatoria se distribuye log-normalmente si su logaritmo se distribuye
normalmente.
Las distribuciones sesgadas con valores medios bajos, gran varianza y
valores totalmente positivos a menudo se ajustan a este tipo de
distribución. Los valores deben ser positivos ya que log(x) existe solo para
valores positivos de x.
VARIABLE ALEATORIA CONTINUA
Se dice que una variable aleatoria es continua cuando toma valores en cualquier
punto de un intervalo (a, b) de la recta real. En este caso no tiene sentido
preguntarse por la probabilidad de que la variable tome un valor determinado (en
teoría puede toma r un conjunto infinito de valores). Cuando trabajamos con
variables continuas, siempre preguntaremos por la probabilidad de que los valores
de la variable se encuentren dentro de un determinado intervalo.
La función de densidad La forma de la distribución log-normal está definida
de probabilidad se por tres parámetros:
define por la media μ y σ, el parámetro de forma . También la desviación
estándar para el log-normal, esto afecta la forma
la desviación estándar , general de la distribución. Por lo general, estos
parámetros se conocen a partir de datos históricos. A
σ: veces, es posible que pueda estimarlo con datos
actuales. El parámetro de forma no cambia la
ubicación o la altura del gráfico; solo afecta la forma
general.
m, el parámetro de escala (también es la mediana).
Este parámetro reduce o estira el gráfico.
θ (o μ), el parámetro de ubicación , que le indica dónde
se encuentra el gráfico en el eje x.
GRAFICA f(X)
La distribución log-normal estándar
tiene un parámetro de ubicación de 0
y un parámetro de escala de 1 (que se
muestra en azul en la imagen a
continuación). Si Θ = 0, la
distribución se denomina distribución
log-normal de 2 parámetros.
GRAFICA F(X)
ACUMULADA
¿CUÁNDO SE UTILIZAN LAS
DISTRIBUCIONES LOG-NORMALES?
La distribución más utilizada (y la más familiar) en ciencia es la distribución normal .
La conocida “ curva de campana ” modela muchos fenómenos naturales, desde los
más simples (pesos o alturas) hasta los más complejos. Por ejemplo, el siguiente
fenómeno se puede modelar con una distribución log-normal:
Producción de leche por vacas.
Vidas de unidades industriales con modos de falla que se caracterizan por fatiga-
esfuerzo.
Cantidades de lluvia.
Distribuciones de tamaño de las gotas de lluvia.
El volumen de gas en una reserva de petróleo.
DISTRIBUCIÓN LOG-NORMAL AJUSTADA A
DATOS DE LLUVIAS MÁXIMAS DIARIAS POR
AÑO
En la hidrología, se utiliza la distribución
log-normal para analizar variables aleatorias
como valores máximos de la precipitación y
la descarga de ríos,2y además para describir
épocas de sequía.3
La linea azul ilustra un ejemplo del ajuste de
la distribución log-normal a lluvias máximas
diarias ordenadas, mostrando también la
franja de 90% de confianza, basada en la
distribución binomial. Las observaciones
presentan los marcadores de posición, como
parte del análisis de frecuencia acumulada.
APLICACIÓN EN LA ELECTRÓNICA
El modelo log-normal y el modelo de Weibull pueden ajustarse de forma igualmente adecuada a un
conjunto específico de datos de prueba de vida útil.
La distribución log-normal se ha descrito como el modelo de distribución de datos de vida útil más
comúnmente utilizado para muchas aplicaciones de alta tecnología. La distribución se basa en el
modelo de crecimiento multiplicativo, lo que significa que, en cualquier instante de tiempo, el
proceso sufre un incremento aleatorio de degradación que es proporcional a su estado actual. El
efecto multiplicador de todos estos incrementos independientes aleatorios se acumula para generar la
falla. Por lo tanto, la distribución suele utilizarse para modelar partes o componentes que fallan
principalmente debido a esfuerzo o fatiga, incluyendo las siguientes aplicaciones:
• Falla debido a reacciones químicas o degradación, como corrosión, migración o difusión, que es
común en el caso de los semiconductores
• Tiempo para fractura en metales sujetos al crecimiento de roturas por fatiga
• Componentes electrónicos que presentan menor riesgo de falla después de cierto tiempo
EJEMPLO 1: COMPONENTES ELECTRÓNICOS
Los ingenieros registran el tiempo para
fallar de un componente electrónico en
condiciones normales de
funcionamiento. El componente muestra
un menor riesgo de falla con el paso del
tiempo, lo cual podría modelarse usando
una distribución log-normal.
EJEMPLO 2: VENTILADORES DE
GENERADORES DIÉSEL
Se registró el tiempo de falla durante la
vida útil de los ventiladores de
generadores diésel. Se utilizó una
distribución log-normal para modelar los
datos.
PROPIEDADES
Media
Varianza
RELACIÓN CON MEDIA Y LA
DESVIACIÓN ESTÁNDAR GEOMÉTRICA
La distribución log-normal, la media geométrica, y
la desviación estándar geométrica están
relacionadas. En este caso, la media geométrica es
igual a exp(µ) y la desviación estándar geométrica
es igual a exp(σ)
Si una muestra de datos determina que proviene de
una población distribuida siguiendo una
distribución log-normal, la media geométrica de la
desviación estándar geométrica puede utilizarse
para estimar los intervalos de confianza tal como la
media aritmética y la desviación estándar se usan
para estimar los intervalos de confianza para un
dato distribuido normalmente.
EJEMPLO 1
El tiempo (en segundos) que un usuario ve una página en un sitio web antes de ir a
otra página es una variable aleatoria log-normal con parámetros 𝜃 =0.5 y 𝜔^2= 1.
a)¿Cuál es la probabilidad de que una página sea vista por más de 10 segundos?
b)¿Cuál es el tiempo que el 50% de los usuarios ven la página?
c)¿Cuál es la media y la desviación estándar del tiempo hasta que un usuario se va de
la página?
Variable Z con distribución normal estandar
¿CUÁL ES LA P(X>10) = 1 – P(X<10)
PROBABILIDAD z = (ln(x) – θ) / ω
DE QUE UNA z = (ln(10) – 0.5) / 1
PÁGINA SEA z = 1.8 = 0.9641
VISTA POR MÁS 1 – o.9641
DE 10 = 0.0359
SEGUNDOS?
¿CUÁL ES EL P(X<x) = 0.5
TIEMPO QUE P(Z<z) = 0.5
EL 50% DE LOS z = (ln(x) – θ) / ω
USUARIOS 0 = (ln(x) – 0.5) / 1
VEN LA ln(x) = 0.5
PÁGINA? X = e0.5 = 1.649
¿CUÁL ES LA
MEDIA Y LA
DESVIACIÓN μ = e0.5+1/2 σ2 = e1+1 (e1 – 1)
ESTÁNDAR μ = e1 σ2 = 7.389(2.718-1)
DEL TIEMPO
μ = 2.718 σ2 = 12.696
HASTA QUE UN
σ = √12.696 = 3.56
USUARIO SE VA
DE LA PÁGINA?