Scribd
Cargar
143 vistas9 páginas

Análisis de la Distribución Log-Normal

Este documento presenta una lista de 8 integrantes de un grupo y su docente. Luego introduce la distribución lognormal, explicando que si los logaritmos de una variable aleatoria X se distribuyen normalmente, entonces X se distribuye lognormalmente. Describe algunas propiedades y usos comunes de esta distribución, como modelar valores extremos. Finalmente, proporciona un ejemplo numérico de cómo calcular un caudal para un período de retorno dado y sus límites de confianza usando esta distribución.

Cargado por

Jhonatan Santa Cruz Campos
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd
143 vistas9 páginas

Análisis de la Distribución Log-Normal

Este documento presenta una lista de 8 integrantes de un grupo y su docente. Luego introduce la distribución lognormal, explicando que si los logaritmos de una variable aleatoria X se distribuyen normalmente, entonces X se distribuye lognormalmente. Describe algunas propiedades y usos comunes de esta distribución, como modelar valores extremos. Finalmente, proporciona un ejemplo numérico de cómo calcular un caudal para un período de retorno dado y sus límites de confianza usando esta distribución.

Cargado por

Jhonatan Santa Cruz Campos
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PPTX, PDF, TXT o lee en línea desde Scribd

INTEGRANTES:

ALVARADO RODRIGUEZ , ROSMEL


BECERRA HUATANGARE,INGRIS
CEVALLOS ROJAS, FRANZ
CHUMACERO ZURITA,YOSIP
DELGADO HUAMAN, JHON DOCENTE: Ing. Rigoberto Marn Marn
DAZ ZURITA, FANNY
LEONARDO NEIRA, ANGELITA
INTRODUCCIN

X = N(,) Y = eX
Con este cambio de variable quedar:

Funcin de distribucin: G(y) = P(Y y) = P(eX y) = P(X log y) = F(log y)


Funcin de densidad : g(y) = G(y) = F(log y) * (1/y)

Tambin es conocida como Ley de Galton-Mac. Aliester o ley del efecto proporcional,
segn Calot (1988).
A continuacin se muestran unos grficos de la funcin de distribucin y de la funcin de
densidad:

Puede comprobarse que la mediana est comprendida entre la moda y la media y ms cerca de la media
que la moda, en particular, puede comprobarse que la mediana est casi dos veces ms cerca de la media
que de la moda.
La distribucin log. normal es una probabilidad frecuentemente utilizada para expresar el comportamiento de
observaciones con asimetra positiva, en donde la mayora de los valores ocurren en las proximidades de un
valor mnimo.
Si los logaritmos Y de una variable aleatoria X se distribuyen normalmente
se dice que X se distribuye normalmente.

Esta distribucin es muy usada para el calculo de valores extremos por


ejemplo Qmax, Qmnimos, Pmax, Pmnima (excelentes resultados en
Antioquia). Tiene la ventaja que X>0 y que la transformacin Log tiende a
reducir la asimetra positiva ya que al sacar logaritmos se reducen en
mayor proporcin los datos mayores que los menores.

Limitaciones: tiene solamente dos parmetros, y requiere que los


logaritmos de la variables estn centrados en la media.
y

1 ( y y )
1 2 y2
f ( x) exp x0
x 2

y = ln x

donde, : media de los logaritmos de la poblacin


(parmetro escalar), estimado

y : Desviacin estndar de los logaritmos de la poblacin,


estimado sy.
n 1
1
y 1 2
n


2
ln( xi ) sy (ln( xi ) y )
n i 1 n 1 i 1

Puede trabajarse en el campo original y en el campo transformado.


: Si se trabaja en el campo transformado se trabaja con la media y la
desviacin estndar de los logaritmos, as:
Ln(XTr) = xTr+KSy de donde, XTr = eln (xTr)

con K con variable normal estandarizada para el Tr dado, xy media de los logaritmos y Sy es la
desviacin estndar de los logaritmos.
Si se trabaja con los X sin transformar el K se calcula como

1
ln( 1 Cv 2 )
ExpKT * ( Ln(1 Cv ))
2 2
1
2
Kt
Cv

s
Cv
K es la variable normal estandarizada para el Tr dado, x es el coeficiente de
variacin, x media de los datos originales y s desviacin estndar de los datos
originales.

En el campo transformado. 1
( S y ) K
2
2

Ln( X Tr ) t(1 ) ST Se 1 T
n 2

en donde, n numero de datos, Se error estndar, KT variable normal estandarizada.


En un ro se tienen 30 aos de registros de Q mximos instantneos
anuales con x= 15 m3/s, S = 5 m3/s (media y desviacin estndar para los
datos originales). xy=2.655, sy = 0.324 (media y desviacin estndar de los
datos transformados). Encontrar el caudal para un periodo de retorno de
100 aos y los limites de confianza para un = 5%. Calcular la probabilidad
de que un caudal de 42.5 m3/s no sea igualado o excedido P(Q 4.25).

También podría gustarte