Loi log-Cauchy
En théorie des probabilités et en statistique, la loi log-Cauchy est la loi de probabilité d'une variable aléatoire dont le logarithme suit une loi de Cauchy. Si X suit une loi de Cauchy, alors est de loi log-Cauchy ; similairement, si Y suit une loi log-Cauchy, alors est de loi de Cauchy[1].
Loi log-Cauchy | |
Densité de probabilité | |
Fonction de répartition | |
Paramètres | |
---|---|
Support | |
Densité de probabilité | |
Fonction de répartition | |
Espérance | n'existe pas |
Médiane | |
Variance | infinie |
Asymétrie | n'existe pas |
Kurtosis normalisé | n'existe pas |
Fonction génératrice des moments | n'existe pas |
Cette loi dépend de deux paramètres et . Si une variable X suit une loi log-Cauchy, on notera .
Caractérisation
Densité de probabilité
La densité de probabilité de la loi log-Cauchy est donnée par :
où est un nombre réel et [1] - [2]. Si est connu, le paramètre d'échelle est [1]. Les paramètres et correspondent respectivement aux paramètres de position et d'échelle de la loi de Cauchy associée[1] - [3]. Certains auteurs définissent et comme, respectivement, les paramètres de position et d'échelle de la loi log-Cauchy[3].
Pour et , la loi log-Cauchy est associée à la loi de Cauchy standard, la densité de probabilité est alors réduite à[4] :
Taux de défaillance
Le taux de défaillance pour et est[4] :
Le taux de hasard décroit au début et sur la dernière partie du support de la densité, mais il peut exister un intervalle sur lequel le taux de hasard croît[4].
Propriétés
La loi log-Cauchy est un exemple de loi à queue lourde[5]. Certains auteurs la considère comme une loi à « queue super-lourde », car elle possède une queue plus lourde que celles de type de la distribution de Pareto, c'est-à-dire qu'elle a une décroissance logarithmique[5] - [6]. Comme avec la loi de Cauchy, aucun des moments (non triviaux) de la loi log-Cauchy n'est fini[4]. La moyenne et l'écart-type étant des moments, ils ne sont pas définis pour la loi log-Cauchy[7] - [8].
La loi log-Cauchy est infiniment divisible pour certains paramètres[9]. Comme les lois log-normale, log-Student et de Weibull, la loi log-Cauchy est un cas particulier de loi bêta généralisée du second type[10] - [11]. La loi log-Cauchy est en fait un cas particulier de la loi log-Student, comme la loi de Cauchy est un cas particulier de la loi de Student à un degré de liberté[12] - [13].
Puisque la loi de Cauchy est une loi stable, la loi log-Cauchy est une loi log-stable[14].
Estimation des paramètres
La médiane du logarithme naturel d'un échantillon est un estimateur robuste de [1].
Références
- (en) Olive, D.J., « Applied Robust Statistics », Southern Illinois University, (consulté le ), p. 86
- (en) Lindsey, J.K., Statistical analysis of stochastic processes in time, Cambridge University Press, , 354 p. (ISBN 978-0-521-83741-5), p. 33, 50, 56, 62, 145
- (en) Mode, C.J. & Sleeman, C.K., Stochastic processes in epidemiology : HIV/AIDS, other infectious diseases, World Scientific, , 29–37 p. (ISBN 978-981-02-4097-4, lire en ligne)
- (en) Marshall, A.W. & Olkin, I., Life distributions : structure of nonparametric, semiparametric, and parametric families, Springer, , 443–444 p. (ISBN 978-0-387-20333-1)
- (en) M. Falk, J. Hüsler et R. Reiss, Laws of Small Numbers : Extremes and Rare Events, Springer, , 3e éd., 80 p. (ISBN 978-3-0348-0008-2)
- (en) Alves, M.I.F., de Haan, L. & Neves, C., « Statistical inference for heavy and super-heavy tailed distributions »,
- (en) « Moment », Mathworld (consulté le )
- (en) Y. Wang, « Trade, Human Capital and Technology Spillovers: An Industry Level Analysis », Review of International Economics, vol. 15, no 2, , p. 269-283 (lire en ligne)
- (en) Bondesson, L., « On the Levy Measure of the Lognormal and LogCauchy Distributions », Kluwer Academic Publications, (consulté le ), p. 243–256
- (en) Knight, J. & Satchell, S., Return distributions in finance, Oxford/Boston, Butterworth-Heinemann, (ISBN 978-0-7506-4751-9), p. 153
- (en) Kemp, M., Market consistency : model calibration in imperfect markets, Wiley, , 376 p. (ISBN 978-0-470-77088-7)
- (en) MacDonald, J.B., Statistical distributions in scientific work: proceedings of the NATO Advanced Study Institute, Springer, (ISBN 978-90-277-1334-6), « Measuring Income Inequality », p. 169
- (en) Kleiber, C. & Kotz, S., Statistical Size Distributions in Economics and Actuarial Science, Wiley, , 101–102, 110 (ISBN 978-0-471-15064-0)
- (en) Panton, D.B., « Distribution function values for logstable distributions », Computers & Mathematics with Applications, vol. 25, no 9, , p. 17–24 (DOI 10.1016/0898-1221(93)90128-I, lire en ligne, consulté le )