Calcul de l espérance d une loi log normale
Cette page permet de calculer rapidement l espérance mathématique d une variable suivant une loi log normale, tout en affichant la médiane, le mode, la variance et une courbe de densité. L outil accepte des paramètres sur l échelle naturelle ou sur l échelle logarithmique base 10, ce qui le rend utile pour la finance, la fiabilité, l environnement et l analyse de mesures fortement asymétriques.
Calculatrice interactive
Saisissez vos paramètres μ et σ, puis cliquez sur Calculer.
Guide expert sur le calcul de l espérance d une loi log normale
Le calcul de l espérance pour une loi log normale est un sujet fondamental en statistique appliquée. Il intervient dès que l on modélise une grandeur strictement positive dont la distribution est asymétrique vers la droite. En pratique, on rencontre ce schéma dans des domaines très variés : prix d actifs financiers, tailles de particules, durées de vie de composants, concentrations environnementales, revenus, montants de sinistres, variables biologiques et temps de réponse. Une erreur fréquente consiste à prendre la moyenne des logarithmes ou l exponentielle de la moyenne sans tenir compte de la dispersion. Or la loi log normale possède une propriété clé : son espérance dépend à la fois de la position μ et de la dispersion σ.
Si une variable aléatoire X suit une loi log normale, cela signifie que le logarithme de X suit une loi normale. On note souvent :
Dans ce cadre, la formule correcte de l espérance est :
Cette expression est essentielle, car elle montre que l espérance d une variable log normale n est pas simplement exp(μ). En réalité, exp(μ) correspond à la médiane, pas à la moyenne. Plus σ est élevé, plus l écart entre moyenne et médiane augmente. Cela reflète l influence de la queue de distribution à droite : quelques valeurs très élevées peuvent tirer la moyenne vers le haut, même si la majorité des observations reste plus basse.
Pourquoi la loi log normale est-elle si utile ?
La loi log normale convient naturellement aux phénomènes multiplicatifs. Lorsque plusieurs facteurs positifs se combinent par produit, le logarithme transforme ce produit en somme. Si cette somme est à peu près normale, alors la variable d origine devient log normale. C est exactement la raison pour laquelle on l utilise si souvent pour des données de croissance, de contamination, de capitalisation ou d usure.
- En finance, certains modèles approchent les prix futurs ou les rendements cumulés par des mécanismes de type log normal.
- En fiabilité, les temps jusqu à défaillance de composants soumis à effets multiplicatifs peuvent suivre une loi log normale.
- En environnement, les concentrations de polluants, de poussières ou de particules fines présentent souvent une forte asymétrie à droite.
- En biométrie, certaines mesures physiologiques positives sont mieux décrites par une loi log normale que par une loi normale classique.
Interprétation des paramètres μ et σ
Il faut bien comprendre que μ et σ sont les paramètres de la variable logarithmée, pas nécessairement de la variable brute X. Quand on écrit ln(X) ~ N(μ, σ²), alors :
- μ représente le centre sur l échelle logarithmique.
- σ représente la dispersion sur l échelle logarithmique.
- exp(μ) est la médiane de X.
- exp(μ – σ²) est le mode de X.
- exp(μ + σ² / 2) est l espérance de X.
On voit immédiatement que, pour σ > 0, on a généralement :
Cette hiérarchie est caractéristique des distributions asymétriques vers la droite. Elle aide à comprendre pourquoi la moyenne peut sembler trop grande par rapport à la valeur la plus fréquente observée sur le terrain.
Démonstration intuitive de la formule de l espérance
Supposons que Y = ln(X) et que Y suive une loi normale N(μ, σ²). Comme X = exp(Y), l espérance de X devient l espérance de exp(Y). Une propriété classique de la loi normale indique que :
En prenant t = 1, on obtient directement :
Cette formule montre clairement que la dispersion influe de manière exponentielle sur la moyenne. Même une hausse modérée de σ peut provoquer une augmentation sensible de l espérance. C est une raison majeure pour laquelle il faut manipuler les paramètres avec soin lorsqu on interprète des données très dispersées.
Exemple simple de calcul
Imaginons que ln(X) suive une loi normale de moyenne μ = 0 et d écart type σ = 0,5. On obtient alors :
- Médiane = exp(0) = 1
- Espérance = exp(0 + 0,25 / 2) = exp(0,125) ≈ 1,1331
- Mode = exp(0 – 0,25) ≈ 0,7788
La moyenne dépasse donc nettement la médiane et encore davantage le mode. Si vous observez un échantillon provenant d une telle loi, vous trouverez souvent beaucoup de valeurs proches de 1, quelques petites valeurs et un petit nombre de grandes observations qui gonflent la moyenne.
Formules indispensables pour la loi log normale
Voici les principales formules à retenir lorsque ln(X) ~ N(μ, σ²) :
- Espérance : E[X] = exp(μ + σ² / 2)
- Variance : Var(X) = (exp(σ²) – 1) × exp(2μ + σ²)
- Médiane : Med(X) = exp(μ)
- Mode : Mode(X) = exp(μ – σ²)
- Quantile d ordre p : Q(p) = exp(μ + σzp) où zp est le quantile de la loi normale standard
Ces expressions sont très utiles en pratique. La variance, notamment, peut devenir énorme pour des valeurs élevées de σ. Dans les études de risque, cela signifie que la variabilité ne doit jamais être négligée, car elle affecte fortement les estimations moyennes, les intervalles de confiance et les prévisions extrêmes.
Tableau comparatif de paramètres et statistiques associées
Le tableau suivant illustre l impact de σ sur les statistiques clés pour quelques paramètres typiques. Les valeurs sont calculées à partir des formules exactes de la loi log normale.
| μ | σ | Médiane exp(μ) | Mode exp(μ – σ²) | Espérance exp(μ + σ²/2) | Variance |
|---|---|---|---|---|---|
| 0,00 | 0,25 | 1,0000 | 0,9394 | 1,0317 | 0,0687 |
| 0,00 | 0,50 | 1,0000 | 0,7788 | 1,1331 | 0,3647 |
| 0,00 | 1,00 | 1,0000 | 0,3679 | 1,6487 | 4,6708 |
| 1,00 | 0,75 | 2,7183 | 1,5488 | 3,6017 | 9,7936 |
On remarque que lorsque σ passe de 0,25 à 1,00 avec μ constant, la moyenne augmente fortement et la variance explose. C est précisément le comportement attendu d une loi log normale : plus la dispersion logarithmique est élevée, plus la queue à droite devient lourde.
Exemple de percentiles sur un cas standard
Pour visualiser la dissymétrie, regardons quelques quantiles pour la loi log normale définie par μ = 0 et σ = 1. Les valeurs ci dessous sont issues des quantiles standards de la loi normale.
| Percentile | z de la normale standard | Quantile log normal |
|---|---|---|
| 10 % | -1,2816 | 0,2770 |
| 25 % | -0,6745 | 0,5094 |
| 50 % | 0,0000 | 1,0000 |
| 75 % | 0,6745 | 1,9630 |
| 90 % | 1,2816 | 3,6022 |
Ce second tableau illustre bien l asymétrie. La distance entre la médiane et le 90e percentile est bien plus grande que la distance entre le 10e percentile et la médiane. En analyse décisionnelle, cela veut dire que les événements élevés, même peu fréquents, peuvent avoir une influence disproportionnée sur les coûts, les revenus ou les niveaux de risque.
Comment utiliser correctement cette calculatrice
- Saisissez μ et σ sur l échelle logarithmique choisie.
- Sélectionnez l échelle ln si vos paramètres viennent de la loi normale appliquée à ln(X).
- Sélectionnez log10 si vos paramètres proviennent de log10(X). L outil convertira automatiquement ces valeurs sur l échelle naturelle.
- Ajoutez éventuellement un seuil x pour calculer la probabilité P(X ≤ x).
- Lancez le calcul pour obtenir l espérance, la médiane, le mode, la variance et la courbe de densité.
La gestion de l échelle logarithmique est particulièrement importante. Beaucoup de rapports techniques, notamment en géosciences, en qualité de l air ou en mesures analytiques, utilisent des logarithmes en base 10. Pourtant, les formules les plus courantes de la loi log normale sont écrites sur la base du logarithme népérien. La calculatrice tient compte de cette différence pour éviter les erreurs de conversion.
Erreurs fréquentes à éviter
- Confondre moyenne et médiane : exp(μ) n est pas l espérance, sauf si σ = 0.
- Utiliser σ de la variable brute : la formule emploie σ sur l échelle du logarithme.
- Ignorer l unité logarithmique : ln et log10 ne sont pas interchangeables sans conversion.
- Négliger la variance : une loi log normale avec grande dispersion peut rendre les moyennes instables dans les petits échantillons.
- Surinterpréter la moyenne : dans les données très asymétriques, la médiane peut être plus représentative du comportement central typique.
Applications concrètes du calcul de l espérance
Finance et modélisation de prix
Dans de nombreux contextes financiers, les niveaux de prix sont supposés positifs et parfois modélisés à partir d un processus logarithmique. Même si les modèles réels peuvent être plus complexes, la loi log normale reste une référence pédagogique importante. L espérance permet d évaluer une valeur moyenne théorique future, tandis que la médiane donne un point central plus robuste.
Fiabilité et ingénierie
Les durées de vie de composants ou les temps jusqu à défaillance peuvent présenter une dispersion multiplicative. Dans ces situations, la loi log normale sert à estimer les durées moyennes, les niveaux de maintenance et les seuils de remplacement préventif. Une bonne estimation de E[X] aide à comparer différentes familles de matériaux ou de processus industriels.
Environnement et santé
Les concentrations de substances dans l air, l eau ou les tissus biologiques sont souvent positives et asymétriques. La moyenne arithmétique est utile pour certaines évaluations réglementaires, alors que la médiane ou la moyenne géométrique est souvent plus stable descriptivement. Comprendre la relation entre ces indicateurs est donc essentiel pour interpréter correctement les données observées.
Sources de référence recommandées
Pour approfondir le sujet, vous pouvez consulter les ressources suivantes :
- NIST Engineering Statistics Handbook, section sur la loi log normale
- Documentation MIT sur les fonctions log normales en statistique
- NCBI, exemples de distributions asymétriques et implications analytiques
Résumé pratique
Le calcul de l espérance d une loi log normale repose sur une formule simple mais souvent mal appliquée : E[X] = exp(μ + σ² / 2). La médiane vaut exp(μ), le mode vaut exp(μ – σ²), et la variance dépend fortement de σ. Dès que vos données sont strictement positives et présentent une forte asymétrie à droite, la loi log normale devient une candidate sérieuse. Une bonne compréhension de l échelle logarithmique, de la dispersion et de la différence entre moyenne et médiane est indispensable pour éviter les erreurs d interprétation. La calculatrice ci dessus vous fournit instantanément ces grandeurs et les représente visuellement afin de faciliter une lecture experte et opérationnelle des paramètres.