Lognormal Dağılım Hesaplama
LogNormal Dağılım Hesaplama, pozitif ve çarpımsal büyüyen verileri modellemenin en güçlü yoludur. Gelir dağılımı, hisse senedi getirileri ve biyolojik ölçümler bu dağılımla sıkça karşılaşır. Bu nedenle doğru formülleri ve yorumlamayı bilmek analiz kalitesini artırır.
Lognormal Dağılım Hesaplama
Aşağıda adım adım hesaplama yöntemlerini, örnekleri ve sık yapılan hataları bulacaksınız. Böylece hem manuel hem de araç destekli hesaplamalarda güven kazanırsınız.
Lognormal Dağılım Hesaplama Nedir?
Lognormal dağılım, bir değişkenin logaritması normal dağılım gösterdiğinde ortaya çıkar. Yani X pozitif bir değişken ve ln(X) normal dağılıyorsa, X lognormal dağılır. Bu nedenle dağılımın parametreleri μ (log ortalaması) ve σ (log standart sapması) olur.
Dağılım sağa çarpık bir yapı sergiler. Ayrıca değerler hiçbir zaman negatif olamaz; bu özellik onu gelir, fiyat ve süre verileri için ideal kılar.
Temel Parametreler ve Anlamları
μ parametresi logaritmik ortalamayı, σ ise logaritmik standart sapmayı temsil eder. Bu değerler ham verinin ortalaması değildir; dikkat edilmesi gereken nokta budur. Örneğin ham ortalama 100 ise μ yaklaşık 4,5 civarında çıkar.
Pratikte μ ve σ genellikle verinin logaritması alınarak tahmin edilir. Bununla birlikte bazı kaynaklar doğrudan ham ortalama ve standart sapmayı verir; bu durumda dönüşüm formülleri gerekir.
Dağılımın Ortaya Çıktığı Gerçek Senaryolar
Bir şehrin hane geliri, borsada bir hissenin günlük getirisi veya bir ürünün teslim süresi lognormal yapıya uyar. Bu verilerin ortak noktası, çarpımsal etkilerle birikmesidir. Örneğin gelir, eğitim, deneyim ve sektör gibi faktörlerin çarpımıyla şekillenir.
Bu nedenle lognormal model, toplamsal değil çarpımsal süreçleri temsil eder. Kısaca, küçük değerler çok, büyük değerler az görülür ve dağılım sağa doğru uzar.
Lognormal Dağılım Hesaplama Formülleri
Olasılık yoğunluk fonksiyonu f(x) = 1/(x·σ·√(2π)) · exp(-(lnx-μ)²/(2σ²)) biçimindedir. Bu formül x>0 için geçerlidir. Ayrıca kümülatif olasılık için standart normal tablosu veya yazılım kullanılır.
Beklenen değer E(X) = exp(μ + σ²/2) formülüyle bulunur. Varyans ise Var(X) = (exp(σ²)-1)·exp(2μ+σ²) olarak hesaplanır. Bu nedenle ham ortalama, log ortalamasından her zaman daha büyüktür.
Medyan ve Mod Hesaplama
Medyan değeri exp(μ) formülüyle doğrudan elde edilir. Mod ise exp(μ-σ²) ile bulunur. Sonuç olarak mod, medyandan küçük veya eşit çıkar; bu sağa çarpıklığın doğal sonucudur.
Örneğin μ=3 ve σ=0,5 için medyan exp(3)≈20,09 olur. Mod ise exp(3-0,25)≈15,60 çıkar. Bu fark, dağılımın tepe noktasının solda olduğunu gösterir.
Ham Ölçekten Log Ölçeğe Dönüşüm
Bazen elinizde yalnızca ham ortalama (m) ve ham standart sapma (s) bulunur. Bu durumda μ = ln(m² / √(m² + s²)) formülü devreye girer. σ ise √(ln(1 + s²/m²)) eşitliğiyle hesaplanır.
Örneğin m=50 ve s=20 için μ ≈ ln(2500/53,85) ≈ ln(46,43) ≈ 3,84 olur. σ ise √(ln(1+0,16)) ≈ √0,148 ≈ 0,385 çıkar. Böylece ham veriden log parametrelerine güvenle geçersiniz.
Adım Adım Örnek Hesaplama
Diyelim ki bir veri setinin logaritmik ortalaması μ=2 ve log standart sapması σ=0,4 olsun. Önce beklenen değeri bulalım: E(X)=exp(2+0,08)=exp(2,08)≈8,00. Bu sonuç ham ortalamanın yaklaşık 8 olduğunu gösterir.
Ardından varyansı hesaplayalım: Var(X)=(exp(0,16)-1)·exp(4,16). exp(0,16)≈1,1735, fark 0,1735 olur. exp(4,16)≈64,07 ile çarpınca varyans yaklaşık 11,12 bulunur. Sonuç olarak standart sapma √11,12≈3,33 çıkar.
Şimdi X'in 10'dan küçük olma olasılığını bulalım. Z=(ln10-2)/0,4=(2,3026-2)/0,4≈0,7565 olur. Standart normal tablosunda bu değer yaklaşık 0,7754 olasılığa karşılık gelir. Bu nedenle P(X<10)≈%77,5 olarak yorumlanır.
İkinci Örnek: Gelir Verisi Üzerinde Uygulama
Aylık geliri modelleyen bir araştırmada μ=7,2 ve σ=0,6 değerleri verilsin. Beklenen gelir E(X)=exp(7,2+0,18)=exp(7,38)≈1600 birim çıkar. Medyan ise exp(7,2)≈1339 birim olur; aradaki fark çarpıklığı açıkça gösterir.
Gelirin 2000 birimin altında kalma olasılığını hesaplayalım. Z=(ln2000-7,2)/0,6=(7,601-7,2)/0,6≈0,668 olur. Tabloda bu değer yaklaşık 0,748 olasılığa karşılık gelir. Dolayısıyla hanelerin yaklaşık %74,8'i bu eşiğin altında yer alır.
Bu noktada eşik seçiminin iş bağlamına bağlı olduğunu unutmayın. Örneğin bir politika analizinde 2000 birim, destek programı için anlamlı bir sınır olabilir.
Sonuçları Yorumlama
Elde edilen olasılık değerleri, verinin belirli bir eşiğin altında kalma şansını gösterir. Örneğin %77,5 değeri, gözlemlerin büyük kısmının 10'un altında olduğunu anlatır. Bu nedenle eşik değerini iş bağlamına göre seçmek gerekir.
Ortalama ile medyan arasındaki fark, çarpıklığın büyüklüğünü ortaya koyar. Fark büyüdükçe dağılım daha sağa çarpık hale gelir. Ayrıca varyans yükseldikçe belirsizlik artar ve tahmin aralıkları genişler.
Güven Aralığı Yorumu
Log ölçeğinde hesaplanan güven aralığı, exp dönüşümüyle ham ölçeğe taşınır. Böylece alt ve üst sınırlar pozitif ve çarpıksız bir aralık oluşturur. Bu noktada aralığın simetrik olmadığını unutmamak gerekir.
Örneğin log ölçeğinde aralık [1,8; 2,2] ise ham ölçekte [exp(1,8); exp(2,2)] ≈ [6,05; 9,03] elde edilir. Sonuç olarak yorum bu aralık üzerinden yapılmalıdır.
Pratikte üst sınır, alt sınırdan daha büyük bir mesafede yer alır. Bu durum, ham ölçekteki çarpıklığın doğal bir yansımasıdır. Dolayısıyla raporlarda aralığın asimetrik yapısını açıkça belirtin.
Özet İstatistiklerin Karşılaştırılması
Ortalama, medyan ve mod sıralaması çarpıklığın yönünü verir. Sağa çarpık lognormal dağılımda mod < medyan < ortalama sırası geçerlidir. Bu sıralama bozulursa model varsayımlarını yeniden kontrol edin.
Örneğin μ=2 ve σ=0,4 için mod ≈6,72, medyan ≈7,39 ve ortalama ≈8,00 çıkar. Bu üç değer birlikte, dağılımın şeklini tek bakışta özetler.
Sık Yapılan Hatalar
En yaygın hata, ham verinin ortalamasını doğrudan μ sanmaktır. Oysa μ, logaritma alınmış verinin ortalamasıdır. Bu nedenle hesaplamadan önce veriyi dönüştürmek şarttır.
İkinci hata, sıfır veya negatif değerlerle çalışmaktır. Lognormal dağılım yalnızca pozitif değerlerde tanımlıdır. Ayrıca σ=0 durumunda formüller bozulur; bu durumda dağılım tek bir değere indirgenir.
Üçüncü hata, medyan ile ortalamayı karıştırmaktır. Sağa çarpık veride ortalama medyandan büyüktür. Dolayısıyla raporlamada hangi ölçünün kullanıldığı açıkça belirtilmelidir.
Dördüncü hata, log dönüşümünde taban seçimini karıştırmaktır. Doğal logaritma (ln) ile 10 tabanlı logaritma farklı sonuçlar üretir. Bu nedenle tüm formüllerde tutarlı taban kullanın; aksi halde μ ve σ değerleri kayar.
Beşinci hata, örneklem büyüklüğünü göz ardı etmektir. Küçük örneklemlerde μ ve σ tahminleri yüksek varyans gösterir. Bununla birlikte güven aralıkları bu belirsizliği yansıtmalıdır.
Sonuç
Lognormal Dağılım Hesaplama, doğru parametre dönüşümü ve dikkatli yorumlama gerektirir. μ ve σ'nın log ölçeğinde olduğunu unutmayın; ham ortalama ile karıştırmayın. Formülleri adım adım uygulayarak hem olasılıkları hem de özet istatistikleri güvenle elde edebilirsiniz.
Pratikte yazılım araçları işinizi hızlandırır; ancak sonuçları yorumlamak sizin analitik bakışınıza bağlıdır. Bu nedenle her hesaplamada varsayımları kontrol edin ve sonuçları iş bağlamında değerlendirin.
Sıkça Sorulan Sorular
Lognormal dağılım hangi veriler için uygundur?
Pozitif ve çarpımsal büyüyen veriler için uygundur. Gelir, fiyat, süre ve biyolojik ölçümler tipik örneklerdir.
μ ve σ ham verinin ortalaması mıdır?
Hayır. μ ve σ, verinin logaritması alındıktan sonra hesaplanan ortalama ve standart sapmadır. Ham ortalama farklı bir değerdir.
Beklenen değer neden medyandan büyüktür?
Dağılım sağa çarpık olduğu için büyük değerler ortalamayı yukarı çeker. Bu nedenle E(X) her zaman medyandan büyük veya eşittir.
Sıfır değeri lognormal dağılımda yer alır mı?
Hayır. Lognormal dağılım yalnızca x>0 için tanımlıdır. Sıfır veya negatif değerler modeli geçersiz kılar.
Olasılık hesabında hangi araçları kullanabilirim?
Standart normal tablosu, elektronik tablo fonksiyonları veya istatistik yazılımları kullanılabilir. Log dönüşümünü unutmayın.
Varyans neden σ² ile doğrudan eşit değildir?
σ² log ölçeğindeki varyanstır. Ham ölçekteki varyans, exp dönüşümü içeren ayrı bir formülle hesaplanır.