Log-normaalijakauma
Tiheysfunktio
|
Kertymäfunktio
|
Merkintä
|
|
Parametrit
|
μ ∈ R σ2 > 0
|
Määrittelyjoukko
|
x ∈ R
|
Tiheysfunktio
|
|
Kertymäfunktio
|
|
Odotusarvo
|
|
Mediaani
|
|
Moodi
|
|
Varianssi
|
|
Vinous
|
|
Huipukkuus
|
|
Entropia
|
|
Momentit generoiva funktio
|
määritelty vain luvuille, joilla on ei-positiivinen reaaliosa
|
Karakteristinen funktio
|
esitys hajaantuu asymptoottisesti, mutta sopii numeeristen likiarvojen laskentaan
|
Fisherin informaatiomatriisi
|
|
Log-normaalijakauma[1] eli logaritminormaalijakauma[2] on todennäköisyyslaskennassa sellaisen jatkuvan satunnaismuuttujan jakauma, jonka logaritmi on normaalisti jakautunut. Toisin sanoen, jos satunnaismuuttuja
on log-normaalisti jakautunut, niin
on normaalisti jakautunut, ja jos
on normaalisti jakautunut, niin
on log-normaalisti jakautunut.[2] Log-normaalisti jakautunut satunnaismuuttuja voi saada vain positiivisia reaalilukuarvoja. Jakauma on käyttökelpoinen malli monille fysikaalisille, teknisille, taloustieteellisille ja muilla aloilla esiintyville muuttujille.
Jakaumaa nimitetään toisinaan myös Galtonin jakaumaksi Francis Galtonin mukaan.[3] Muita siihen toisinaan yhdistettyjä nimiä ovat McAlister, Gibrat ja Cobb-Douglas.[3]
Todennäköisyyslaskennan keskeisen raja-arvolauseen mukaan monen riippumattoman satunnaismuuttujan summa noudattaa sitä tarkemmin normaalijakaumaa, mitä enemmän näitä satunnaismuuttujia on. Samaan tapaan tarpeeksi monen toisistaan riippumattoman satunnaismuuttujan tulolla on taipumus noudattaa log-normaalijakaumaa sitä tarkemmin, mitä enemmän näitä muuttujia on.[4] Log-normaalijakaumalla on myös suurin entropia niistä jakaumista, joilla on tietty odotusarvo ja varianssi.[5]
- ↑ Pentti Laininen: ”Tärkeitä jatkuvia jakaumismalleja”, Todennäköisyys ja sen tilastollinen soveltaminen, s. 96. Otatieto, 2001. ISBN 951-672312-8.
- ↑ a b Pekka Tuominen, Pekka Norlamo: ”Satunnaismuuttujien yleistä teoriaa”, Todennäköisyyslaskenta, osa 2, s. 323. Limes ry, 1978. ISBN 951-745-023-0.
- ↑ a b Norman L. Johnson, Samuel Kotz, N. Balakrishnan: ”Lognormal Distributions”, Continuous univariate distributions. Vol. 1. 2. painos. New York: John Wiley & Sons, 1994. ISBN 978-0-471-58495-7.
- ↑ Log Normal Distribution Wolfram MathWorld. Eric W. Weisstein. Viitattu 4.9.2020.
- ↑ Sung Y. Park, Anil K. Bera: Maximum entropy autoregressive conditional heteroskedasticity model. Journal of Econometrics, 2009, 150. vsk, nro 2, s. 219–230. doi:10.1016/j.jeconom.2008.12.014. Artikkelin verkkoversio. (Arkistoitu – Internet Archive)