Exposicin general e indicaciones para el uso

de la distribucin lognormal
por F. AZ^RIN y M. J. PALACIOS
Departamento de Estadstica. Facultad de Ciencias
Unlversidad Autnoma de Madrid

o.

INTRODUCCION

En 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, suelen aonsiderarse como
posibles candidatos las funciones de d^ensida^d gamma, beta, de Pareto, normal
truncada, lognormal y otras. Entre stas tiene especial inters la lognormal o
logartmico-normal por la sencillez y fcil interpretacin del esquema aleatorio
que puede originarla y por las propiedades que la caracterizan.
Su empleo se ha extendido considerablemente, a lo que, sin duda, ha contribuido
la obra monogr,fica de^ Aitchison y 8rown (1957) y su utilidad prctica en aplicaciones muy diversas: biolgicas, econmicas, geolgicas (estud^io de partculas,
concentracin en depsitos, espesores de capas, etc.).
Pvr ello creemos de inters la presentacin sistematizada de los principales elementos que requiere su utilizacin, para facilitar el trabajo de los interesados en
sus posibilidades y limitaciones.

1.

DISTRIBUGION LOGNORMAL DE DOS PARAMETROS

Se dice que una variable aleatoria tiene distribuci^n lognormal o logartmiconormal cuando su transformada logartmica (o, rns generalmente, la transformacin lflgartmica de una transformacin lineal de la variable original) tiene una
distribucin normal. En el caso ms simple, que es el que se considera en este
apartadb, se dice que la variable X es logn^ormal si la funcin de densidad de su
transformada logartmica Y! log X, es la normal N(, a-):

BSTADISTIGA E.SPAlYO].A

-.

exp (- ^y -- ac)^/2 cr^

y E(- oo, vc^

para

[ i.il

cr ti1 2 rr

Aunque en las aplicaciones prcticas se supone el logaritmo decimal, para los

desarrollos algebraicos que siguen 1 ms simp:e es Cuponer que es neperiano t 1)
[ sin ernbargo, al final deI aparta^do 2 se expondrn los resulta.dos correspondiencix
,
tes a logaritmo decimal t2), con lo cual x^ exp (y) y, por consiguiente, dy '
x
que sustituida en f 1.1I da lugar a la funcin de densidad^ de la variable X:
fL (x) -

exp ^-- (log x -- ^^ )^/2 ^r= ^

x E (0, ^)

[ 1.2]

cr ^ 2 >t
Abreviadarnente se dice que ]a variable X es L(,^, ^rl y su trans^formada, Y,
N (x, +rr^-

2.

CARACTE.RISTiCAS DL'. LA DISTRIBUCIOIV LOGNURMAL

DE DOS PARAMETRC^S

Puesto que X- exp (Y), la funcin generatriz de momentos de Y verificar:

^^v (t^ - E [exp (tY^^ .- E (Xt)

[2.i1

Por tanio, para t- r el momento r-simo ordinario de X tque de ahora en adelante se dotar^, de subndice para evitar confusiones con el de la normal), ser:
ar fx . = E (X r) = ^v (r)

Por otra parte, a1 ser ^ la funcin generatriz de una variable N(a, cr):
^v (t^ - exp (oc t + t^ ^-$^2j

y, por consguiente, el momento ordinario [ 2.21

xr, x-' eXp (!X 1' -^- (T" r' /2^
(i)

Conviene recordar que en general se

verific^x,

para una base b cua,lquiera:

b lo^; = eiog ^

log, x=

log. x
log. e

en particular para logaritmos decimal3s:

logt, x
log^. x
log, x _

loglo e

(`'l

_
! 0,43429...

_(log, x) ilog. b)

-. log,. x log. 10 - 2,30258... log,. z

T

^ase al final de esta exposicin la relacin de ^mbolos ampleados.

[ 2.2 ^

EXPOSICION GENERAL E INDICACIONES PARA EL USO DE LA DISTRIBUC10:^3 iOGNORMAL

En par^ticular, la esperanza o media lognormal

12.3)

xl =- E(X^ = exp (z -f- cr='^`2)

la, varlarlZa IO$nOrln&^

o^^z ^ . (X^) -- E (X) ^

- exp (2 x + 0^2) ( exp (v-2) -- 1 ^

[ 2.4 ]

el cuadrado del coeflciente de variacin

$^
^ -.- exp (cr^ -- 1

el coeflciente de asimetra
! (exp

- 1 ^^ eXp (^2) + 2^ > 0

y el de curtosis
lu^.z
^ `2,9c -

.- exp (4 0-^^ -t- 2 exp (3 v-a^ -{- 3 exp (2 v-^^ - 3

^s

Cuando exp (^^) se acerque a 1, disminuir la varianza y la asimetra, y el

coe8ciente de curtosis se acercar a 3, que es el de la normal.
En cuanto a los cuantiles, cua,ntilas, percentiles, centiles, fractiles o valores
divisorios, se tiene, en general, para la cuantila r-sima de orden s, es decir, la
que ocupa el lugar r entre las que dividen el ,rea de la curva en s partes iguales,
en ambas distribuciones [ i. i l y [ 1.31;

^Tr Ja.t!

fL (L/,) (^ l.^ _=

fN (V) G^ V

es decir:
lo,g rr ^a, x-^r J^, ,J

o bien

^r^^, y `-- eXp

(^r ^ ^. 1/)

En particular, la mediana ^C^,,^ = exp (e, U) = exp (x^, por ser mediana

media

coincidentes en la distribucin normal; y las cuantilas primera y tercera sern:

^1^4, z = exp (a -- 0,675 . . . o-^
^r3^^, z .- exp (a -1- O,1375 . . . v-^

La mda se o?atendr al igualar a cero la derivad^a primera de la funcin de densidad [ 1.31, resultando
,
ud, s--- exp a-- cT`)

83TADISTICA ESPAOI..A

CASO DE LOGARITMO DLCIMAL

A continua^cin se indican las caractersticas de una distribucin lognormal, en

la que el logaritmo se ha considerado con base decimal; los 9mb41os se corresponcien con las antes empleados:

[2.51

[2.61
[ 2.? )

[2.81
[2.9)

[Z.io^

3.

EST"IMACI4N Y AJIJSTE

La media rnuestral, esto es, la media de las observaciones obtenidas con una
muestra aleatoria simple es un estimador insesgado de la media terica de la
variable en estudio en la poblacin de procedencia. Designando por X esta variable, el estimador insesgado de la media ser^
_ ^ xt^n

[3.11

i=2, n

y el de la varianza cTx
^ _ ^i ^xt - a ^^^^ln,
f^l, tt

-- 1^

[3.21

La pmpiedad de ins^esgamiento se verifica cualquiera que sea la distribucin

de origen; si adems hay fundamento para especificar determinada distribucin,
puede ocurrir que otros estimadores, insesgados o no, tengan propiedades que los
hagan preferibles a los antes indicados. Por ejemplo, si la distribucin de p^rocedencia es lognormal, los estimadore^ obtenidos indirectamente a partir d^e los logaritmos de las observaciones son m^s precisos en el sentido de que tienen menor
varianza en el muestreo.
La media y la cuasivarianza de los logaritmfls de las observaciones son:
_

^ log x,^n
tal. w

[3.31

EXPOSICION GENE^i.AL E INDICACIONES PARA EL USO DB LA DISTRIBUCION IAG NORMAL

-y = ^ (log xi -- x^}2^(rL - 1^

[3.41

Estas^ expresiones son, por tanto, estimadores insesgados en la distrbucin de

los logaritmos; sin embargo, debido a las relaciones [ 2.3 ] y[ 2.41 sus antilogaritm^os no sern estimadores insesgados de la variable original, emplendose como
estimadores en esta distribucin (Aitchison y Brown y Koch y L.ink) los siguientes:
[3.51

^.v = eXp ^x^^ ' ^ri ^^y^2^

c^-x ^ exp (2 G^cy^ .

^n (2 v-^ ^ -- t^i'n

n--2
n -- 1

c:r^

[3.61

donde los valores de ^n estn tabulados en las obras antes citadas. Dichos valores
aumentan con Q-^ y con el tamao muestral, n;

para n suficientemente grande, ^J es

aproximadamente igual a la funcin exponencial, con lo que se conservan las relaciones [2.31 y[2.41. Por ejemplo, para n - 2 y ^-^ --^ 0,1 es ^n = 1,025, y para n= 50
y ^2 = 4 es ^n = 6,628.

Si se parte de observaciones agrupadas en clases (loglo xi_1, logl xi) i= 1, ..., m.,
con ni observa^ciones en dicha clas^e, se puede tomar como estimador de la media
de los logaritmos :
2,30258, . . .,

z _

^ n^ logt^ x^
-^ 1. ^n

^,
^ ni

[ 3.7 ]

i=1, m

en donde log x= designa la marca de clase del intervalo i-simo. Anlogamente,

el estimador de la varianza
^^ ni (2,30258, . . ., log x1- ^)'^
^I,m

^ry ^

,
^ ni - 1

[ 3.81

i.--1, m

La eleccin entre los mtodos de estima^cin indicados, y otros posibles, depende

de las propiedades d^e los estimadores correspondientes^ y de las facilidades de
clculo. Y las propiedades dependen, a su vez, de la distribucin de origen y del
procedimiento de muestreo. Por ejemplo, la eficiencia de la media directa, , de
las ob^servaciones disminuye en forma conocid^a, segn demostr Finney (1941), al
aumentar el coeficiente de variacin de la distribucin Iognormal. Esta eflciencia,
que es del 100 por l00 para S= 0, pasa a s^er del 90 por 100 para ^= 1,2, menor
del ?5 por 100 para ^= 2 y menor del 60 por 100 para ^= 3. Por otra parte, los
estimadores c^ , c^^ pueden tener sesgos si la distribucin de p^rocedencia no es,
como se ha supuesto, lognormal, lo que n^o justificara la mayor complicacin de
clculo en los casos de especificacin ms dudosa.

Pueden vers^e varaios mtodbs de estimacin y aj uste y comparacic^n de resultados en Aitchison y Brown y en Koch y Link; los primeros recorniendan, para
^,.

B.SiTADISTICA ESPAOLA

l0

rnuestras gra.ndes, una estimacin por cuantilas, por su sencillez de cz^.lculo y

porque su eflciencia puede superar al SO por l00 del estimador ms eficiente. Las
relaciones entre cuantilas dan para las simtricas del mis^rno orden: log ^rr^,, x=
- Q-- k^ ^r
y
logl ^r,^,,,^ ^ a^ + k,^ cr, donde ky es la consiante asociada a Ia cuantila en la distribucin de I'; por consiguiente, desgnando por pr,^ las cuantilas
observad^as
10$' pr^i. ^ + ^Og pl-r/s. ^c

log p^-r^,.: - log prr.. ^

generalmente se utilizan las cuartillas prirnera y tercera aunque se consigue mayor

eficiencia con las p, ,^, y A^^,^,.

4.

APLICACIONES DEL PAPEL PROBABILISTICO A LA DISTRIBUCION

LQGNORMAL (3)

Si X es una variable aleatoria lognormal, L(x, ^-), su funcin de distribucin,

F (x), puede escrbrse:
F (x^ _` c^

log x -- a
^-

[4.11

en donde ^ es la funcin de distribucin de la N(o,l). Por tanto, si se hace la

transformacidn
^ ^ log x

^^ _ ^-^ [F (x)^

[4.21

la curva [4.11 se transforma en la recta

t4.3]

El papel probabilstico correspondiente al sistema (^, ^ ^) se llama normal-logartmico o gausso-logartrnico y consta de :

1.

Un eje, el de abscisas, construido a escala logartmica y con doble escala indi-

cativa; Ia aritmtica, correspondiente a los logaritmos y la de los antilogaritmos

(va,se p. 23).

2. Un e^ e de ordenadas aritmtico en >> _^^-1 [ F(x):) y tambin con d^oble escala, la segunda correspondiente a F(x^ _^(rj).
(3) Varios ejeniplos de aplicacin del papel pr^babilstico a problemas relacionados con la dis1.rbucn Iognormal pueden v^srse en G. CAr.aT (pp. 193 y ss.) y Kocx y LiNK (pp. 23? y as.).

EXPOSICION GENERAL E INDICACIONES PARA EI. USO DE LA DISTRIBUCION IAGNORMAt

lI

Un papel de este tipo se incluye en la p^.gina 23. En l est^n sealizados en un

eje los antilogaritmos decimales, aunque para fle^ibilidad de representacin slo
se indican los dgitos 1, 2, 3, ..., 9, repetidos con ia periodicidad adecuada, lo
que permite representaciones, segn los casos, de nmeros del 0,5 aI 20 o del 5 aI 200,
etctera;

el

eje

vertica^ contiene tambin dos escalas, una correspondiente a

100 F tx) y otra, aritmtica en crr^ (4).

Qr^

EXAbIEN DE LA HIPTE.SIS DE LOGNORMALIDAD

Dada una distribucin emprica xI, x.,, ..., x,^, con frecuencias relativas n,/N, ...,
n^/N, N-

^ nt sru representacin en papel gausso-logar-ftmico se har por los

f-1, k

puntos (x^, F^), i= i, k, donde Fr .-

^+... + n{ .
N
Si la d^istribucin est agrupada en intervalos a^ --- a,, aI -- a y, ..., a,^_ 1 -- a,^, con
frecuencias r^f/N, los puntos a representar ser.n (ai, Fi), i- 1, h, donde, como en eI
caso anterior, F{ - F (a{).
Si los puntos as representados se alinean sensiblemente, segn una recta que
sera la ^=(,^ -- a)/o-, se podr aceptar con este criterio grfico que la distribucin
emprica es lognormai y sus par,metros podr^.n estimarse como a continuacin se
indica.
b)

ESTIMACIN DS a T cr

i. Puesto que a es la abs^cisa, en la escala aritrntica, del punto de corte de la

recta [4.31 con el eje de abscisas, ya que F(x) ^ 0,5 y, por tanto, ^= x, resulta que
si x* es el punto que indica esta interseccin, ser ^ log x*.
2.

Anlogamente, F(x) ^ 0,9772. ., si y slo si ^._- a+ 2 ^;

el correspondiente valor, ser cr ^( 1 /2) log (x* */x*),

siendo

por tanto, si x* * es
x* y x**

tales

que

F(x*) ^ lJ,5 y F(x**^ - 0,9772...

Como dice G. Calot, es^tas estimaciones pueden ser ms precisas que las analticas por no estar afectadas del error d^ agrupamiento en clases; sin embargo, hay
que tener en cuenta que ajustar una recta a los puntos (a,, F^), i.- 1, h, tambin
puede conllevar un error subj etivo.

C)

C^BSERVACIONES

SOIIRE LOS

INTERVALOS

DE PROBABILIDAD

PREPTJADA

Es conocido que en Ia distribucin N(^^ , c^) los intervalos de la forma ( f h a-)

con ^, = 0,68, 1,96, 2,58, 3,29, son importantes en cuanto que son centradas en media
y aontienen, respectivamente, el 50 por 10^0, 95 por 100, 99 por 100, 99,9 por 100 de la
distribucin. Ahora bien, se quiere hacer notar que los correspondientss intervalos
4) Dicho papel contiene, adems, lneas verticales equidistantes que pueden utilizarse como
las marcas de clase de una distribucin agrupada en intervalos; ello corr?sponde a tomar en la
distribucin de los logaritmos clases de amplitud constante (de tamao mltiplos decimales de
0,125 en este papel). En ol ejemplo de la p. 23 no se ha, tenido en cuenta esta posibilidad.

BSTADISTICA ESPAOLA

12

para la distribucin lognormal sern exp (x --,^ cr), exp {^ -^t ^r) y, por tanto, no
centrados en media ni ta.n siquiera en mediana.
Por otra parte, si X es L(a, cr}, entonces el valor x^. tal que P ( X > xt) - E puede
obtenerse para e^ 1/2, de xe - exp (ac + crh,^), siendo ^.^ tal que:

P{^Z^>^.^) .- e
dond^e Z es N (0,1};

ell se debe a que si Z es N (0,1), entonces para 0^ p c 1/2 es

P( ^ Z>> Ap) - P=^' (-- J1_,,} Y, por tanto,

^ --. P(X>x,^} -- 1-F(xQ} = 1-c^^((log x`x)/^ ^ - ^^-'^-(log x^--a^^) _
= ^^ (- ^^}, y alsi : xE ^ exp (x -+- cr A^^ )
Al final de esta exposicin se incluye un ejemplo numrico de los mtodos hasta
aquf expuestos.

s.

RELACIONES ENTRE LAS CARACTERISTICAS DE LA DISTRIBUCION

NORMAL Y DE LA LOGNORMAL DE DOS PARAMETROS

Adem^s de las relaciones de la seccin 2, y en virtud de ellas, se verifican

las siguientes expresiones en las que aparecen las caractersticas de la distribucin normal en funcin de las de la lognormal:
x= 2 log al,^ - t1^2) log x.^,,^

dnde

,^^,? = E(Xa)

rr" = l^g ^^2 .ac^al, x} - l^g ^1 + ^,^ /^ 1, ,^^

x- log ^t^14, x= log ^ ^

^T = (1^2 ^,) log (^r^,^.x^^r,^#,x)

6.

donde

A = 0,675 ...

FUNCIOIVES DE VARIABLES ALEATQRIAS LOGNORMALES

Puesto que combina^ciones lineales de variables aleatorias independientes distribuidas normalmente dan lugar a variables con distribucin normal, se verificar:
Si X,, XZ, ..., Xn son variables aleatorias independientes con dis^tribucin L(^,^, v-k},
k= 1, n, y hl, h^, .. ., h sfln nmeros enteros, entonces la variable aleatoria Y= xhl,
^
Xh', ..., Xh'^ tiene distribucin L(^c, cr) donde
^c = II h^: _^,
k=1, n

(T^ --- II hk o-^k

k=1, n

En particular:
1.

El producto de dos variables aleataria,s independientes, X1, X^, lognormales

tiene distribucin L{al -1- a^, ^/ a? + rr^^ )

13

F^CPOSICION GENERAL E INbICACIONF.S PARA EL USO DE LA DI5I'RIBUCION LOG NOR.MAL

2.

E1 cociente de dos variables aleatorias independientes lognorrnales tiene dis-

tribucibn L (a, - x j, ^Y ^g -}- ^Y ).

7.

EXTEI^TSi(^N A LA DISTRIBUCION LOGNORMAL DE TRES PARAMETRC3S

Si en lugar d la transformacin Y= log X, considerada en la seccin 1, se

efecta Ia ms general:
y --. log (X - ^3)

en donde ^ es un parmetro real y X>/^ , se tiene la funcin de densidad lognarmal de tres parmetros :

f (x) -

1
(x - ^) ^ ^2^

( lag (x -- ^3) --- x ]^^ /2^ra.

^

exp(
i

Las caractersticas de esta distribucin resultan ser:

xr x- E(Xr) _

,^ ( k) ^3r~^ exp (h x + kry cr^^2)

k,^o,r

en particular, la media
x^. r=/^ -#- exp (^ + v-^^/2)

17.11

Los momentos centrados

fu^. ^ _ ^E (x) - E (X )^r -

^ ( - 1)^` ( ^: ) exp I ra -}- (r -- Y^" -i- h) ^` ^2^

^ ^a. P

resrultan independientes de /3, en particular la varianza

Q `^ = rexp (2 x + a-A)^ ^exp (cr2) -1 ^
el coeficiente de variacin
x = ^^exp (x + c^^/2)^ ^-exp (^r=' ---- 1

^^+exp (x-^-cr^=/2)
^

J_^

las cuantilas
^ ^,)
;, r,s, ^. _ ^3 -t- exp ,.,^,
y en particular, la mediana

lar moda
u^. :^ = /^ + eXp (^ ^ ^` 1

[ 7.21

gsr^,nisric^ Esp^O^

19

y el coeficiente de asimetra
^i. Z = (2 + exp c^-'l) ^eXp

,I^^;^}u

que es creciente con o-.

Estas relaciones dan lugar a otra.s, inversas de ellas, y que se indican a continuacin:
1
^c - 21og (^i,,^ -- ^ ` 2 l^g ^x^,: -- a 1^ ai. ^ + 1^)

^z;^.t^ t^= ;,r ` ^1 {,:r ^1 (fiZ,^{^r -^-

^ log ^. `^3:+.x

og ^ 1 +

^3^*, x

^ Z ?i ^ f^

r ^(x^. ^----- ^^^^'^l

^r = 1^ log (rr
^
3!4, r

^4,r^^t^;,,^,^ ' ^1^^,^}^

^^ -^^ 114. 2^3^^, aC !^2/4^ x I l\^ 114, x+^^(4. x- 2^`^14, r^

[?.3]

r/J

[?.41
[ ?.5 ]

A, = 0,675 ...

[?.6]

[7.7^

Esta ltima expresin tiene inters, ya que permite una aproximacin no demasiado complicada, adems de ser la nica analtica, del tercer parmetro de la
distrik^ucin lognorznal.
En cuanto al empleo de la distribucin lognorrnal de tres par^,metros en algunas aplicacivnes concretas, deben tomarse especiales precauciones por las dificultades en estimar ^3 cuando la muestra es pequea. En general, una subestimacin
de ^ Ileva a varios sesgos en la estimacin de la media (Koch y Link), pero s^u
sobreestimacin puede dar lugar a lmites de confianza demasiado prximos, por
ser demasiado pequea la varianza de los logaritmos.

8.

ACEPTACION O RECHAZO DE LA HIPOTESIS DE LOGNORMI^LIDAD CON

PAPEL PROBABILISTICO

De forma, anloga al caso de la d^istrib^ucin lognormal de dos par,metros, se

puede examinar grficamente la lognormalidad en una distribucin de tres parmetros; puesto que si X es una variable aleatoria L(^(^, x, rr) tiene funcin de distribucin

F (x) _ ^^ [(log (x - ^^) -- ^)/tT J

[8.1 ]

resulta que, segn que ^(3 sea conocido o no, se podr realizar una transformacin
sobre el sistema de coordenadas para que la curva 18.1 ] se convierta o no en
una recta.

F:JCPOSICION GSNF:^RAL E INDICACIONES PARA EI. USO DE LA DISTRIBUGION IAGNORMAL

a) Si ^ es conc^cicia.--En un sistema caordena^do (^, r^) donde

y,^ -^^ -^ 1 ( F(x) ], la curva t 8.11 se transf orma en la recta
^-^

15

= log (x - ^3)

C8.21

y se mantienen ias consideraciones de la seccin 4, con slo repres^entar los puntos x^ -- ^3 (h = 1, n) en el eje de abscisas. Resultando como estimacin de z y cr,
respectivamente:

^^ .- log x* = log (x' - ,,^)

siendo x' tal que F(x') --= 1/2.
c.^- -

log

x* *

x*

log

x" --- ^3
x'-^

siendo x" tal que F(ac"^ - 0,9??2...

E1 intervalo [ f3 -1- exp (a -^la-), ^3 + exp (u +^cr)] corresponder al ( t Ac^-) de la
normal y el valor xg -^3 -{- exp (^ -}- o-^2F) ser tal que P(X > xE) .= e.
b) Si /3 es desconacida.--En este caso caben dos posibilidades. Realizar una
estimacin analtica del tipo indicado en la seccin 7, o bien tratar de encontrar
una estimacin grfica como a continuacin se establece.
A1 ser ^ desconocido, la transforma^cin a hacer ser ^.^ Iog x y f1 =^-1 [ F(x) ],
con Io que la curva [8.11 se transformar en la

log (exp ^ - ^C3) -- x

a~
A continuacin se estudia esta curva distinguiendo que /3 sea pos^itivo o negativo:
1.

/3 > 0.
`

La,

curva existe para

todo

valor

^> log /3, siendo ^= log ^f3 y

,=
^! asintotas vertical y oblicua, respectfvamente.
J
^r

FIGURA 1

FIGURA 2

16

LSTADISTICA ESPAOL^^

^. /; ^ o. La curva tendr existencia para todo valor positivo de ^, siendo

f^ _. ^ lag (- ^,') - ^^/cr y ,^ _ (^ - =)/^T asintotas horizontal y oblicua.
En cualqu:era de los dos casos, sea (0, r^^) un punto arbitrario del eje y sean
(^,, ^^^,) y(^2, .^1u) los puntos correspondientes en la asntota oblicua y en la curva;
entonces:
^1 = ^ -^ ar t]n

^^ = log ^ IQ + exp ( x+ cr r^c^ ) ^

ahora,
,^ ^= log x'

^,^ = log x"

por tanto:

,^ -- x" - x^
y sta ser una forma de estimacin de ,^3 (vanse figuras 1 y 2).
E1 problema prctico consiste en determinar la asntota oblicua; ello puede
hacerse eligiendo una recta tal que la desviacin horizontal entre la curva y ella
se mantenga, aproximadamente, conytante cuando es medida en antiiogaritmos, y
comprobando despus que ^ = log /3 0^^ _[log (- ^3) - x^/^- es asfntota vertical u
horizontal, respectivamente, para ^3 > 0 0^3 < 0 t5).

9.

EXTENSI(JN A LA DISTRIBUCION LOGNORMAL DE CUATRC^ O CINCO

PARA1ViETR05 Y A LA DE ASIMETRIA NE(^ATIVA

Si en lugar de las transformaciones de las secciones 1 y 7 se efecta la ms

general :
y = ^s + ^^

log (x ""' ^1)

[ 9.11

que se reduce a la de tres parmetros cuando R3 = 0 y^.3^ = 1, y a Ia de dos cuando

adem^s ^3^ ^ ^, se tiene la funcin de densidad de la variable aleatoria X:
f l( xI1 .-

^a

e X p^

3+ 3,, 1 o

x-

-^^ 2 v-''

j
l,^
3 ^. g( ^1) ^/ ,

x^

(/^^
lNl^

^ao j
I

cr ^/ 2 ^t (x - %31^

con cinco parmetros: L (a, ^, ^1, ^2, ^3'3).

Para la de cuatro (^33 - 4) se verifica para la funcin generatriz de momentos:

^^ y r

^^'

r r
-' ^ ^-, x - (1) 1^1 ^,^-1. .r + . . . -}-

y, por tanta, la media

xi.x = I^ji + exp [(x -^- crl/2)/l^.^
(5)

Vase nota (3) de la aeccin 4.

1 r r

- ) ^Q i

E3LFOSIGION GENERAL Ir INDICACIONES PARA EL USO DE

LA DiSTRIBUGION LAGNOR!tiiAL

1^

y la varianza
^r^-' -- [exp (2 ^c -1- cJ-^}l^ ^^ ( eXP (_`" ^.^`^/,^^7) ^ 1.^

Por otra parte, la transformacin

y - log ((3 -- x)
da como funcin de densidad de la distribucin lognormal de asimetra negativa:
f (x^ =

1
cr ^ 2 7t (^3 - x^

exp

L - [log (^3 - x) + ^]^^^ `:: J

x E {-- a^, ^)

Esta distribucin constituye una representacin simtrica respecto a un eje de

la correspondiente de asimetra positiva y tiene en valor absoluto las mismos
parmetros. (Vase Koch y Link para aplicaciones.)

l0.

P4SIBLES

MECANI"SMOS GENEr.RADOF^ES DE LA DISTR,IBUCIQN

L4GNORMAL

La distribucin lognormal puede originarse a travs de ciertos mecanismos

aleatorios, como, por ejemplo, cuando el incremento de una variable es funcin de
su valor anterior, multiplicada por una variable aleatoria, esto es:
xc ^ xt-i - Et g (xc-i^

tlo.ll

Esta es la llamada teora del efecto proporcional, que fue forrnulada por Kapteyn
en 1903, y en la que se supone que las et son variables aleatorias independientes
(frecuentemente se suponen tambin con igual distribucinl, y que L1 X es una
proporcin aleatoria del valor anterior de la variable. (Vase Aitchison y Brown,
as como Agterberg.)
Casos particulares importantes de [ 10.1 ] son :
a1

Cuando la funcin ^r se reduce a una constante, se tiene entonces

Xt ^ ^ ^k
n^i, c

Y en virtud del teorema central del lmite, su distribucin tiende a la normal.

bl

Cuando p(X t_1} - Xx _^, se tiene

^
^
h sl , i

ESTADISTICA BSPAOI.A.-2

xh -- xn-i

x^h-^

- ^ ^n
1t-1, fi

1$

$sTADsTCA FSPAIiQ1.A

que en el limte resulta

dx
x

i log Xt - log X^

o bien
1g Xt = log Xn -}- ^ ei
^.^^. ^
segn lo cual la distribucin asinttica de X, es la lognormal.

11.

ALGUNAS APLICACIONES ESPECIFICAS DE LA DISTRIBUCION

LOGNORMAL

Ya se han mencionado en las secciones anteriores algunas aplicaciones de la

distribucin lognormal, y en la blbllografla se hace referencia a obras que^ tratan
con detalle algunos cas^os pr^cticos. Aplicaciones geolgicas pueden verse en las
de Agterberg y en las de Koch y Link. En esta ltima se dedica amplia extensin (cap. 1s) a esta distribucin en relacin con datos procedentes de minas de
oro en Africa del Sur. Los problemas de muestreo, ensayos, prospeccin y decisin sobre explotacin de yacimientos relativos al oro pueden extenderse en muchas casos a otros elementos, as como a aplicaciones no geolgicas.
Una caracterstica que se pone de manifiesto en el caso del oro es que el coeflciente de variacin es muy alto (la tabla 16.1 de Koch y Link da valores desde
0,33 a 5,10 donde la mayor parte superan 1,2, lo que apoya la transformacin logartmica). Las distribuc^ones estudiadas se presentan en intervalos de clase de
amplitud 5, desde (0,5) a(82a0, 625) y frecuencias absolutas que configuran una
distribucin muy asimtrica, aderns de tener val^ores muy inferiores a 10 a partir
del intervalo (55, 60) (6). Por otra parte, la distribucin espacial es muy irregular,
y un gran nmero de observaciones pueden tener gran efecto en las estimaciones
de

medias y varianzas. Esto plantea problernas de exploracin y muestreo de

gran inters, pero que no corresponde ahora considerar. Conviene insistir en que
la transfarmacin logartmica de dos parmetros aplicada a estos datos no es siempre la mejor entre las distribuciones asimtricas. Adems de la distribucin lognormal de tres par,metros, que supone sumar una constante a todos los datos,
pueden ajustarse otras distribuciones asimtricas como las mencionadas en la
seccin 1.
(s) Como el contenido de oro de las menas suele ser pequeo, los valor3s de la variable empleada
sa expresan en dwt/short ton (el significado es dwt ^ penny weight); un depsito con una onza de
oro por ton^slada contiene 34 partes de oro por un milln, esto es 34 gramos por tonelada mtrica
o ^,0034 por i0o de oro. En muchas minas se trabaja con grados de cinco a diez partes de oro
por miiln (KocH y LINK, vol. 2, p. 385).

EXPOSICION GENERAL E INDICACIONE^ PARA EL USCI DI~ LA DISTRIUCION IAGNORMAL

12.

1^

EJEMPLl7

Considrese la siguiente distribucin emprica, ordenada y agrupada en intervalos de clase (1):

a._, - at

n. t?)

0 - 100
20U
lU0 34C3
200 400
300 500
400 600
500 8t}(i
804 8t^ - 1. (X^0
1. QOa - 2.000

588
&4?
?42
42?
344
209
238
119
108

2.000 - 3.000
3.000 - 5.000

8
8

Se tratar de estudiar si esta distribucin se ajusta bien a una l^ognormal;

para ello se estiman los parmetros de la hipottica distribucin y se^ examina la
bondad del ajuste mediant+e algn test xz o de Kolmogorov, etc. Sin embarga, como
este ltimo proceso se realiza de manera anloga cualquiera que sea la distribucin, se limitar nuestra atencin a la estimacin de los parrnetros, procediendo
para ello por diferentes mtodos segn lo expuesto en las secciones anteriores.

1.
^:1

Estimacin directa de los parmetros de la distribucin dada

CARACTBRSTICA3 PROPIAB DE LA DISTRIBUCII^

De acuerdo a las expresiones ( 3.11 y t 3.21 se obtienen los estimadores de la

media y la varianza
z= 341,64333?

s^. ' 119866,43898

resultando los dems parmetros:

desviacin tipica
sx = 346,21?32

caeficiente de variacin
dx = 1,01338

(7) Los datos corresponden al ejercicio nmero 20, p. 215 de G. C^LOx, y represontan los resultados de una encuesta sobre ^el consumo anual de elctricidad (en kwh} de 3.572 familias.

20

B3TADIS?1CA BSPAIYOLA

moda
ad^=150

mediana
pi^^, s = 250,28

y cuantilas
p^^^4,,^ = 138,^68

b^

p3,^.,^ = 431,9078

ESTIMACIN DE LOS PARMETROS DE LA DISTRIBL^CIN NORMAL ASOCIADA POR TRANSFORMACIN LOGARTMICA DECI^iAL ^8^

1)

Estimctcin del tercer par.metro /j.--En caso de que la distribucin lo,gnormal

sea de tres par^.metros, ser ^3 c 4, y para su estimacin puede utilizarse la expresin [7.71, resultando: ^3 =--- 39,5003. A partir de ahora se supone correcta esta
estirr^acin y se utiliza en eI resto de la seccin.

2)

Estimaci.n de ta media.--Pueden emplearse estimadores diferentes que son:

por cuantilas, relacin [7.41:

a = 2,46225055
por momentas (2)

-- log (z - j3^ --

2 log e

- 2,450445

pgr mediana
x = log (^u^, x - ^3^ = 2,48203845

3) Estimacin de lcx variariz,a.---An,Iogamente al caso anterior pueden considerarse los estimadores:

por cuantilas, relacin [7,81
a- = 0,31312

^`^ ^ 0,(398044 ^.3

por momentos (9) :

s^
^,
v-`^ .- log ^ 1-^- --_
^x - ^)"

log e= 0,1 Y347423

cr = 0,3388

(e) En el resto de la seccin ts utilizarn los mismos sfmbolos para los parmetros reales y sus
estimadores.
(9) Estas expresiones se corresponden, respectivament^, con las i7.1 y t7.51, pero utilizadas aqu
en el caso de logaritmo decimal en la trarisforrnacibn.

EXPOS3GION GENERAL E INDIGACIONES PARA EL USO DE LA DISTRIBUCION

2.
^^

LoGNORMAL

2i

Estimacin en la distribucin asociada por transformacin logartmica decimal

CARACTERSTICAS DE LA DIST^IBUCIN ASOCIADA

De acuerdo a lo expuesto en la seccidn 3, y adrnitiendo que ^3 =-- 39,5003, deber considerarse la distribucin empfrica de intervalos de clase: log (ak_1 + 39,5003) -- log (ak -}- 39,5003}, y efectivos nk (k .- 1,11). Los estimadores de la media y varianza resultan ser, de acuerda a las expresiones t3.71 y[3.81 consideradas en el
caso de logaritmo decimal:
x= 2,44041g699

a-'-' = 0,11436995395

con lo que
r^ = 0,338186

^^

CARACTERSTICAS

DE LA DISTRIBUCIN

b= 0,13857726

ORIGINAL

A partir del apartado anterior se pueden obtener las caractersticas de esta

distribucin utilizando las expresiones [ 7.1 l y[ 7.21 para logaritmo decimal:
x 1, ^---^ -}- 10a +'/^ 1-10 ^-' = 333,82274547

^r'x= (10"^1 Io - 1) 143^`+^^^IO = 118201,9224133

o-x = 340,88403074
8^. = 1,021152798501

3.

Estimaci^n mediante el uso de papel probabilistico

Segn lo expuesto en la seccin 8, puede procederse de dos formas:

Cl^

SUPUESTO ^Q DESCONOCIDO

Representando en papel probabilstico los puntos (ak, F^ = ni --{- n^ -}- n3 -}- ... + r^k)
con h = 1,11 se obtiene una curva del tipo de la figura 2 y+que se representa con
trazo discontinuo en el papel probabilstico ( p. 23. Si ste hubiera sido el primer
contacto establecido con la distribucin que nos ocupa habra llevado a suponer
que era ajustable por una lognormal de tres par^,metros cuyfl tercer parmetro
sera negativo; en ese caso hubiese sido conveniente estimarlo conforme se ha
hecho . arriba.
_

22

tJ!

BS T'A.t1I 9 TI CA BsPA ^ OL^A

SUPUESTO ^,3 DADl7

Admitimos que la distribuci^n n caso de ser lognormal tendr parmetro

l3 --- 39,5003, Se han de representar en el papel probabilfstic los puntos (ak - j3,
F,^) con h- 1,11;

el resultado^ de alinear estos puntos es una recta (representada

con trazo continuo en la p. 23l ^ de la que se deduce de acuerdo a Ia seccin 8 ai ;

^ 1 log 127^J _ U,325.
^32v
2
285

U.

J = 2,454t345
a[ = 1+Q$' ^r

con l^o que

cr^ = 0,1058412

La estimacin de los parmetros de ia distribucin original se reatiza como en

el apart^ado 2 b^ de esta seccin.

4.

R^e^sumen de las estima.ciones obtenidas

A continuacin se expone un cuadro con los mtodos empleados y 1s valores

encantrados para cada parmetro:

METODO L?E ESTIMACION

Cuartilas ...........................................
Momentos .. . ..... ... .. . ...... ... . . . . .... . .. . . . . . . ..
Mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Normal asociada ...............................
Papel probabiifstico ...........................

2,46225rJ5S
2,4544452
2, 4203845
2, 44+D41fi69
2,454845

0,31312
0,3368

0, 09804413
0,11347423

0, 33^818
0, 32533

0,1143699
O,1 d58412

13.

RE.LACICJN DE SIMBC}LQS EMPLEADUS

^
Moda

Varianz^

Coeficiente
de variacin

PYJ^, x

a^^. z

a^r, x

^, :

hr^a. x

oex

}^e, x

,^d, x

^x

^ r, s

!u r. x

^r Js, ae

f ^. Y

f'^d. iI

^^

xr. L

fr. Y

^rl^, 3r

DISTR,IBUCIQN

Medie.

De variable abservada x ..............

De hip^attica log-

normal. .7r

. . . . . . . .. ..

Median^

Momen- M,
tos

cent

Cuant.

De hip^ttica nor1i381

^7

....... ..... ..

EXPOSICION GENER.AL E INDICACIONES PARA

LI. USO DE LA DISTRIBUCION LUGNORMAL

EXFO^SICION GENERAL E INDICACIONES PARA EL USO DE LA DISTRIBUCION

LOGNORMAL

T
^^ 9

3 e, -

s e^

_^. _.__ _--_ _ __ .

3 ^

T , 8 91

_ _- _ _-^- - _
^

__ _

_^

__..

__

^ ^

..._ ^

._^

._._ ._

^s
>is
sa _ _.
2 ^. _ ______

_
___

---_______-

-___^_ ______

_____ _--^

__._-

--__,.

9T
>i 6
93

!0

R -

so
TO
s0

50
40

30

20
_ ^ _ ___ ____.-_ _

_._ _

__--_. _._

_._

^ __

f0

S
4

2 0'2

- -

-- _ .

_ ^

_^ -

---_

^.

. .._

--

- _^.

.^ _..

_... _

_. _.

____ .^

.__

^, a ^

3^

.,_._

._.. _.

.._ _

^ ___ _ ._._ __

__

D, 1

s ei

e e1

2^

FSTADISTICA EsPA2+F4LA

^ 4.

BIBLIt7GRAFIA

AGT"ERHERG, F. P. (19?4} : Geom^ath,ematics ( Elsevier) ,

Ai^^soN, J., y BROwrr, J. (1957}: T'he Lo^gncw-mal Distributi+c^n (Cambridge University
Press).
CAiAT, G. (1974} : C u rso de es tad s tica desarip t ivp. i Faraninfo ).
CRA^x, H. (1g48}: Mathematiaai Method's of Statisti^cs. (Traduccin espaola en ^d.
Aguflar.}
Frxx^, D. J. t 1941) :^On the distribution of a variable whose logarithm is no^r^mally
distributed-. Journal Roy. Stat. So^c., vol. 17, nm. 2, p. 155.
KENDALL,

M. ..C^^.

(1943 y ss.):

The Advrxnced Theory of Sta^tistics

Kocx, G., y Lrxx, R. F. (19741:

(Griffinl.

Statistical Analysis of G^alragicat I^ata (J. Wiley).