Dans l'article suivant, nous explorerons le monde fascinant de Loi log-logistique. De son impact sur la société à ses multiples applications dans différents domaines, Loi log-logistique a attiré l'attention de personnes de tous âges et de tous intérêts. Nous approfondirons son histoire, analyserons sa pertinence aujourd’hui et discuterons des perspectives d’avenir possibles. De plus, nous examinerons de près les avantages et les défis que présente Loi log-logistique, offrant une vue complète et équilibrée de ce sujet passionnant. Rejoignez-nous dans ce voyage pour découvrir tout ce que Loi log-logistique a à offrir.
Log-logistique | |
![]() Densité de probabilité Pour α = 1 et β en légende | |
![]() Fonction de répartition α = 1 et β en légende | |
Paramètres | α > 0 échelle β > 0 forme |
---|---|
Support | |
Densité de probabilité | |
Fonction de répartition | |
Espérance | si β > 1, sinon pas définie |
Médiane | α |
Mode | si β > 1, 0 sinon |
Variance | voir développement |
modifier ![]() |
Dans la théorie des probabilités et en statistiques, la loi log-logistique (connue aussi comme la distribution de Fisk en économie) est une loi de probabilité continue pour une variable aléatoire strictement positive. Elle est utilisée dans l'étude de la durée de vie d'événement dont l'intensité augmente d'abord pour ensuite décroître, comme pour la mortalité dû au cancer après diagnostic ou traitement. Elle est aussi utilisée en hydrologie pour modéliser le débit d'un cours d'eau ou le niveau des précipitations, et en économie pour modéliser l'inégalité des revenus.
La loi log-logistique est la loi d'une variable aléatoire dont le logarithme est distribué selon une loi logistique. Elle ressemble beaucoup à la loi log-normale, mais s'en distingue par des queues plus épaisses. Par ailleurs, sa fonction de répartition admet une expression explicite, contrairement à la log-normale.
Il existe différentes paramétrisations de la distribution. Celle choisie ici permet une interprétation raisonnable des paramètres et permet une expression simplifiée pour la fonction de répartition,. Le paramètre α > 0 est un paramètre d'échelle et joue aussi le rôle de médiane de la distribution. Le paramètre β > 0 est un paramètre de forme. La distribution est unimodale lorsque β > 1 et sa dispersion décroît lorsque β augmente.
La fonction de répartition est
où , α > 0, β > 0.
La densité de probabilité est
Le -ième moment existe seulement quand et se donne alors par,
où B est la fonction bêta. L'expression pour les espérance, variance, coefficient d'asymétrie et coefficient d’aplatissement (kurtosis) se tirent de l'expression précédente. En posant la moyenne prend la forme
et la variance devient
Les expressions explicites de la kurtosis et du skewness sont plus longues à reproduire. Lorsque β tend vers l'infini, la moyenne (espérance) tend vers α, la variance et le skewness tendent tous deux vers 0 et la kurtosis tend vers 6/5 (voir aussi #Distributions associées ci-dessous).
L'inverse de la fonction de répartition est donnée par :
Il s'ensuit que la médiane est α, le premier quartile est et le dernier quartile est .
La distribution log-logistique procure un modèle paramétrique pour l'analyse de survie (durée de vie). Contrairement à l'habituelle distribution de Weibull, cette densité permet une fonction de risque (défaillance) non monotone : lorsque β > 1, la fonction de risque est unimodale (lorsque β ≤ 1, le risque décroît de manière monotone). Le fait de disposer d'une expression explicite pour la fonction de répartition est un avantage pour l'analyse de survie avec des données tronquées (ou censurées).
La fonction de survie est donnée par :
la fonction de risque :
et la fonction de risque cumulé :
La distribution log-logistique a permis de modéliser le débit des cours d'eau ou encore les précipitations.
La distribution log-logistique permet en sciences économiques de modéliser simplement les inégalités de revenu, souvent sous la dénomination de « distribution de Fisk ». Son coefficient de Gini est .