Lognormalfördelning är en term som används inom sannolikhetsteori och relaterad matematik. Det hänvisar till sannolikhetsfördelningen för en variabel med en normalfördelad logaritm. Det kallas ibland också Galton-fördelningen.
En normalfördelning för en variabel kallas också en Gaussfördelning. Det är en bra indikator på sannolikhet som använder ett kluster av resultat runt ett medelmedelvärde. Idéer som ”Klockkurvan” är också baserade på normalfördelning och används i många olika typer av statistiska studier.
En lognormalfördelning sägs vara användbar för ett antal oberoende variabler med positiva värden. Denna typ av beräkning är användbar, till exempel i finansiella modeller där variabler måste multipliceras eller projiceras exponentiellt, eller i vetenskapliga studier inklusive förändrade förhållanden.
Studiet av en lognormalfördelning kan använda både medel- och medianmedelvärden. Det kan också relateras till funktioner som en sannolikhetstäthetsfunktion, som försöker analysera dess bildning, och en kumulativ fördelningsfunktion. Statistiker som använder den här typen av sannolikhetsteorier drar fördel av olika ekvationer för att lära sig mer om vad dessa prognoser betyder.
Även om normalfördelningen tillskrivs Carl Friedrich Guass, en tysk vetenskapsman som var aktiv inom många vetenskapliga områden, tillskriver historiker faktiskt Abraham de Moivre ”uppfinnandet” av denna teknik. De Moivre, en fransk matematiker, var en samtida med Isaac Newton som var känd för sina bidrag till trigonometri och andra typer av matematik. Matematikens historia visar hur framtida ingenjörer och matematiker byggde på dessa tidiga tänkares banbrytande ansträngningar för att tillämpa sitt arbete på olika användningsområden.
Idag rapporterar branschexperter att lognormalfördelning ofta är användbar för att modellera det potentiella felet hos en fysisk enhet under stressbelastning. Ingenjörer använder lognormalfördelning, såväl som en annan populär metod som kallas Weibull-fördelning, för att bedöma felsannolikheter. Dessa två typer av sannolikhetsverktyg ingår ibland i branschspecifik programvara för prediktiv modellering.
Lognormalfördelning är också användbar i andra studier som vissa kallar biologisk eller organisk. Forskare har till exempel visat att utspädningen av en vätska till en annan tenderar att följa lognormala distributionsmönster. Samma mönster är uppenbara i andra organiska händelser såsom blekning av en ljuskälla. Detta gör lognormalfördelning värdefull i studier av ”mänsklig och ekologisk riskbedömning” och andra liknande sysselsättningar, enligt expertforskare som använder lognormalfördelningar i stor utsträckning.