DISTRIBUCIN CONTINUA

DISTRIBUCIN LOG-NORMAL

Roy Torres Chichande | Probabilidades | 12 de junio del 2017

 0. INTRODUCCIN
Diferentes campos de aplicacin se hace uso de distribuciones asimtricas con fines de anlisis, ajuste,
inferencia y prediccin; as, en la etapa de eleccin de modelo representativo o especificacin de un
sistema estocstico cuyos resultados aparecen ms o menos asimtricamente distribuidos, se tiene
especial inters la log-normal o logartmico-normal.

Su empleo se ha extendido considerablemente, a lo que, sin duda, ha contribuido la obra monogrfica

de Aitchison y Brown (1957) y su utilidad prctica en aplicaciones muy diversas: biolgicas,
econmicas, geolgicas (estudio de partculas, concentracin en depsitos, espesores de capas, etc.).

Una serie de efectos que apuntan a la distribucin log-normal como un modelo apropiado se han
descrito en varios artculos mencionados anteriormente, el indicador ms bsico de la importancia de
la distribucin log-normal puede ser an ms general.

Claramente, la qumica y la fsica son fundamentales en la vida, y la operacin predominante en las

leyes de estas disciplinas es la multiplicacin. En qumica, por ejemplo, la velocidad de una reaccin
simple depende del producto de las concentraciones de las molculas involucradas. Las condiciones
de equilibrio tambin se gobiernan por factores que actan de una manera multiplicativa.

A partir de esto, se hace evidente un contraste mayor: las razones que rigen las distribuciones de
frecuencia en la naturaleza suelen favorecer el log-normal.

1. VARIABLE ALEATORIA CONTINUA

Se denomina variable continua a aquella que puede tomar cualquiera de los infinitos valores existentes
dentro de un intervalo. En el caso de variable continua la distribucin de probabilidad es la integral
de la funcin de densidad, por lo que tenemos entonces que:

() = ( ) = ()

Entre las ms importantes se encuentra la distribucin log-normal.

2. DISTRIBUCIN LOG-NORMAL DE DOS PARMETROS

Una variable puede ser modelada como log-normal si puede ser considerada como un producto
multiplicativo de muchos pequeos factores independientes. Una variable independiente es el
tiempo, pues la distribucin log-normal se ajusta a ciertos tipos de fallos (fatiga de componentes
metlicos), vida de los aislamientos elctricos, procesos continuos (procesos tcnicos) y datos de
reparacin, es importante tambin en la representacin de fenmenos de efectos proporcionales.

Segn hemos visto, la distribucin log-normal es aquella en que el logaritmo de la variable est
distribuido normalmente. Es decir, si es una variable aleatoria con una distribucin normal entonces
tiene una distribucin log-normal.

Proposicin 1.- La funcin de densidad de probabilidad de [, 2 ] es:

(())

(, )

PGINA 1
Prueba:

Suponga que ~[, 2 ] . Luego = donde es [, 2 ], se tiene entonces:

( < ) = ( < )
= ( < )

()
= (, )

Funcin de Distribucin 1

= , :

( ())
=

Funcin de Densidad 1

PGINA 2
 3. ESPERANZA DE UNA VARIABLE ALEATORIA CONTINUA
Proposicin 2.- Dada una variable aleatoria absolutamente continua X con funcin de densidad f(x),
se define la esperanza matemtica de X como el valor.

() = ()

Prueba:

Entonces, dado nuestra funcin de densidad, tenemos que la esperanza es:

( ())
() =

( ())
() =

()
Sin ms que hacer el cambio de variable = , y por tanto = + , = + , la

integral anterior se puede expresar como:

()
( )
() =



()
() = +



()
() =



( )

() =

( + ) ()
Completando el exponente a un cuadrado completo = , se obtiene:

()

() = +

Sin ms que hacer el cambio de variable = , y por tanto =

()
+
() =

Integrando se tiene

() = +

PGINA 3
 4. FUNCIN GENERADORA DE MOMENTOS
Definicin 1.- Si es una variable aleatoria, el momento de orden de se define como:

( ) siempre que la esperanza exista.

Definicin 2.- La funcin generadora de momentos de una v.a. es una funcin a valores reales
() , definida como:

5. VARIANZA DE UNA VARIABLE ALEATORIA CONTINUA

Proposicin 3.- La varianza de una variable aleatoria es una caracterstica numrica que proporciona
una idea de la dispersin de la variable aleatoria respecto de su esperanza. Decimos que es
un parmetro de dispersin.

() = ( ) (())
Prueba:

El momento de orden de viene dado por:

( ) = ( )
Por definicin la funcin generatriz de momentos para una variable aleatoria ~ [, 2 ], es:

( ) = +

As se tiene que, coincide con la funcin generatriz de momentos de evaluada en:

( ) = ( ) = +()
Por lo tanto, el momento de orden 2 es:

( ) = +
Se concluye que la varianza es:


+ +
() = ( )

PGINA 4

() = + +

() = + ( )

6. LA DISTRIBUCIN LOG-NORMAL DE LAS CONCENTRACIONES

AMBIENTALES
Se ha demostrado experimentalmente que la concentracin medida durante un determinado ciclo de
trabajo es una variable aleatoria que sigue una distribucin de probabilidad log-normal (es decir, que
los logaritmos de dicha variable siguen una ley normal). Ello significa que las concentraciones pueden
variar tericamente entre cero e infinito, y que la probabilidad de que la concentracin medida est
ms o menos alejada de la concentracin media real depende de la mayor o menor desviacin tpica
(dispersin) de la distribucin o, lo que es lo mismo, de la mayor o menor variabilidad de los factores
aleatorios que influyen sobre la concentracin.

7. EJERCICIO
Los ingresos de los habitantes de un municipio siguen una distribucin logartmica normal de
parmetros 3 y 2. Qu porcentaje de individuos se encuentra entre 70 y 150?

La variable X sigue una LN(3,2), se pide entonces,

Esto es, el 10.89% de los individuos de ese municipio tienen ingresos entre 70 y 150.

PGINA 5
Referencias
(1) PATRICK D. T. OCONNOR
Practical Reliability Engineering
John Wiley & Sons, Chichester, 1992

PGINA 6