Distribution log-normale expliquée : définition et usages

Pensez aux revenus. Quelques personnes gagnent des millions, la plupart se situent au milieu, et la distribution présente une longue traîne vers la droite. Si vous comparez cela à une courbe en cloche standard, rien ne correspond : la loi normale n’est pas adaptée.

La distribution log-normale est conçue pour des variables strictement positives et asymétriques à droite, dont la dispersion augmente avec la valeur. Le revenu des ménages, les cours boursiers, la taille des fichiers ou encore de nombreuses mesures biologiques se comportent ainsi.

Nous verrons ce qu’est la distribution log-normale, comment elle se compare à la loi normale, ses propriétés et sa formule, quand l’utiliser, et comment la repérer dans les données réelles, en évitant les erreurs courantes.

Qu’est-ce que la distribution log-normale ?

Une variable aléatoire suit une distribution log-normale si son logarithme naturel suit une loi normale.

Si X est log-normale, alors ln(X) est normale. Le nom vient directement de là : log-normale, une distribution dont le log est normal.

Deux conséquences immédiates. D’abord, les valeurs sont toujours positives. Les logarithmes ne sont définis que pour les nombres positifs, donc une variable log-normale ne peut jamais être nulle ni négative. Ensuite, la distribution est asymétrique à droite. Il existe une borne inférieure à zéro, mais aucune borne supérieure, d’où une longue traîne à droite.

La transformation logarithmique est le pont entre les deux distributions. Prenez une variable log-normale, appliquez le log naturel à chaque observation : le résultat suit une loi normale. Ce n’est pas qu’une curiosité mathématique : c’est ce qui rend la log-normale exploitable. Toute la boîte à outils statistique de la loi normale devient disponible après transformation.

Distribution log-normale vs loi normale

La première différence est la forme. La loi normale est symétrique, avec moyenne, médiane et mode confondus au centre. La log-normale est asymétrique, étirée vers la droite, avec une longue traîne. La moyenne, la médiane et le mode diffèrent : nous verrons pourquoi dans la section suivante.

Le domaine des valeurs possibles diffère aussi. Une loi normale s’étend de moins l’infini à plus l’infini. Une log-normale est bornée inférieurement par zéro et s’étend sans limite vers le haut. C’est le bon modèle lorsque votre variable ne peut pas être négative physiquement.

Propriété	Loi normale	Distribution log-normale
Forme	Courbe en cloche symétrique	Asymétrique à droite, longue traîne droite
Symétrie	Symétrique	Asymétrique
Valeurs possibles	Tous les réels (−∞ à +∞)	Strictement positives (0 à +∞)
Moyenne = médiane = mode ?	Oui	Non : les trois diffèrent
Applications typiques	Taille, notes d’examen, erreur de mesure	Revenus, cours boursiers, tailles de fichiers
Lien par transformation	—	Si X est log-normale, ln(X) est normale

La dernière ligne est la plus importante en pratique. Le logarithme d’une variable log-normale suit une loi normale. Cette transformation rend la log-normale utile : ce n’est pas qu’une description de données asymétriques, c’est un modèle relié directement au monde normal.

Propriétés de la distribution log-normale

Quelques propriétés clés font la spécificité d’une log-normale.

Toujours positive avec une longue traîne droite

La log-normale ne génère que des valeurs positives. Si ln(X) est normale, alors X = e^(ln(X)) est toujours positif, car l’exponentielle est positive. Il existe un plancher à zéro, mais pas de plafond. Combinée à l’asymétrie à droite, cette contrainte donne sa forme caractéristique : montée abrupte depuis zéro, pic situé à gauche de la moyenne, puis longue traîne décroissante.

Moyenne, médiane et mode sont différents

Les trois mesures de tendance centrale racontent des choses différentes. Le mode (la valeur la plus fréquente) est le plus à gauche. La médiane est plus élevée. La moyenne est encore plus élevée, tirée vers le haut par la traîne droite. Pour les revenus, la moyenne des ménages dépasse nettement la médiane : quelques très hauts revenus font grimper la moyenne sans toucher au milieu de la distribution. C’est pourquoi les économistes privilégient la médiane pour décrire un ménage « typique ». Choisir la mauvaise mesure n’est pas un simple faux pas statistique : c’est trompeur.

Gardez-le en tête pour la formule : μ et σ décrivent la loi normale sous-jacente de ln(X), pas la moyenne et l’écart type de X lui-même. Cette distinction en surprend plus d’un.

La formule de la distribution log-normale

La fonction de densité de probabilité (PDF) de la log-normale est :

pour x > 0, où :

x est la valeur de la variable aléatoire (doit être positive)
μ (mu) est la moyenne de ln(X). Elle contrôle la position de la distribution : augmenter μ décale le pic vers la droite.
σ (sigma) est l’écart type de ln(X). Il contrôle la dispersion et le degré d’asymétrie. Un σ plus grand produit une traîne droite plus lourde.

μ et σ ne sont pas la moyenne et l’écart type de X. Ce sont les paramètres de ln(X). La moyenne de X vaut e^{(μ + σ²/2)}, d’où sa position à droite de la médiane. Si vous ajustez une log-normale dans Python ou R, les fonctions de bibliothèque gèrent cette conversion, mais il est utile de savoir ce que représentent réellement les paramètres.

Quand utiliser une distribution log-normale ?

Le test pratique : si votre variable est strictement positive et que la croissance est multiplicative (et non additive), la log-normale est souvent un bon choix.

Les processus additifs tendent à produire des lois normales. Par le théorème central limite, des sommes de nombreux petits effets aléatoires convergent vers la normale. Les processus multiplicatifs sont différents : lorsque chaque période multiplie la valeur précédente par un facteur aléatoire (intérêts composés, division bactérienne), le résultat sur de nombreuses périodes est log-normale. C’est pourquoi on la rencontre si souvent en finance et en biologie.

La log-normale convient à des variables telles que :

Rendements financiers sur de longs horizons : les rendements logarithmiques quotidiens se composent par multiplication
Sinistres d’assurance : la plupart sont modestes, quelques-uns sont très élevés
Distributions de revenus : bornées inférieurement par zéro, asymétriques à droite en pratique
Croissance biologique : taille d’organismes, comptages cellulaires, mesures de concentration
Temps d’attente : durées de réparation ou de service avec valeurs extrêmes occasionnelles
Mesures environnementales : concentrations de polluants dans l’eau ou l’air

En cas de doute sur la pertinence de la log-normale, notre cours Feature Engineering for Machine Learning in Python détaille les transformations logarithmiques et comment évaluer leur adéquation à vos données.

Exemples concrets de distribution log-normale

La distribution log-normale apparaît dans de nombreux contextes réels, dont quelques exemples ci-dessous.

Revenus et patrimoine

Les revenus constituent l’exemple classique. La plupart des individus se concentrent dans une plage modérée, sans borne supérieure : une minorité gagne des montants bien supérieurs à la médiane. L’histogramme des revenus bruts est fortement asymétrique à droite ; en prenant le log, on obtient une forme approximativement normale. Le patrimoine suit la même logique, souvent avec une asymétrie encore plus marquée.

Cours boursiers

Les variations quotidiennes des cours sont approximativement normales en termes logarithmiques, ce qui implique que le niveau de prix suit une log-normale dans le temps. Cette hypothèse sous-tend le modèle d’options de Black‑Scholes. Les prix ne peuvent pas être négatifs, ils se composent par multiplication et génèrent cette traîne droite caractéristique.

Tailles de fichiers internet

Les tailles de fichiers s’étendent de quelques kilo-octets à plusieurs gigaoctets, avec une forte asymétrie à droite. La log-normale convient bien : la taille est bornée par zéro et croît de façon multiplicative. L’analyse du trafic web et l’ingénierie réseau s’appuient sur ce modèle.

Mesures biologiques

Les concentrations de substances biologiques (taux hormonaux, polluants dans les tissus, comptages microbiens) tendent à suivre des distributions log-normales. Les processus biologiques impliquent souvent des ratios et des taux de croissance plutôt que des incréments additifs. Les temps de latence dans les études médicales montrent le même schéma.

Dans chacun de ces domaines, la logique est identique : un processus de nature multiplicative, borné à zéro et capable de produire des valeurs extrêmes rares est un candidat naturel pour la modélisation log-normale.

Distribution log-normale en apprentissage automatique et science des données

La distribution log-normale intervient en apprentissage automatique de plusieurs manières, nécessitant chacune une approche spécifique.

Modélisation de variables continues positives

Lorsqu’une variable cible est strictement positive et asymétrique à droite (prix de l’immobilier, revenus, valeur vie client), appliquer une transformation logarithmique avant la modélisation améliore souvent considérablement les résultats. La régression linéaire suppose des résidus normalement distribués ; l’ajuster sur des données log-normales brutes viole cette hypothèse. La solution : loguez la cible, ajustez le modèle, puis exponentiez les prédictions pour revenir à l’échelle d’origine. Attention : l’interprétation des coefficients dans l’espace logarithmique demande de la prudence, car une augmentation unitaire d’un prédicteur correspond désormais à un changement multiplicatif à l’échelle d’origine.

Ingénierie des caractéristiques avec transformations logarithmiques

Loguer des caractéristiques asymétriques avant de les injecter dans des modèles sensibles à l’échelle (régression linéaire, logistique, k-means) réduit l’influence des valeurs extrêmes et linéarise les relations. C’est un prétraitement standard pour les caractéristiques continues asymétriques à droite. La transformation gère aussi implicitement les valeurs aberrantes : une valeur 100 fois supérieure à la médiane dans l’espace brut devient environ 4,6 unités au-dessus de la médiane dans l’espace logarithmique.

Modélisation probabiliste et simulation

Certains modèles probabilistes utilisent explicitement la distribution log-normale. En modélisation bayésienne, c’est une loi a priori courante pour les paramètres devant être positifs. En simulation, elle modélise des quantités comme les temps de réparation, les montants de sinistres ou les délais réseau, où la structure multiplicative correspond aux processus réels.

Comment identifier une distribution log-normale

Observer un histogramme ne suffit pas. Voici les approches rigoureuses, par ordre croissant de précision.

Histogramme et histogramme transformé

Commencez par un histogramme des données brutes. S’il est asymétrique à droite avec une longue traîne et une borne inférieure proche de zéro, c’est suggestif. Tracez ensuite l’histogramme des valeurs log-transformées. S’il semble approximativement symétrique et en cloche, la log-normale est un modèle plausible. Cette comparaison est rapide, mais ne vous arrêtez pas là.

Graphiques Q-Q

Un graphique quantile-quantile (Q-Q plot) compare les quantiles de vos données à ceux d’une distribution théorique. Pour des données log-normales, tracez les quantiles de ln(X) contre ceux d’une loi normale standard. Si les points s’alignent approximativement sur une droite, l’ajustement est bon. Une courbure systématique, surtout dans les queues, suggère que la log-normale n’est pas adaptée. Notre tutoriel sur les Q-Q plots explique comment les interpréter en Python et R.

Tests de qualité d’ajustement

Pour un test formel, appliquez un test de normalité (Shapiro-Wilk, Kolmogorov-Smirnov, Anderson-Darling) aux données log-transformées. Si ln(X) réussit le test, vous avez une preuve statistique soutenant le modèle log-normal. Avec de très grands jeux de données, ces tests deviennent toutefois si sensibles qu’ils peuvent rejeter la log-normalité pour des écarts négligeables. Couplez toujours les tests formels à une inspection visuelle.

L’utilisation combinée de ces trois approches offre une image bien plus fiable que n’importe quelle méthode isolée.

Erreurs courantes avec les données log-normales

Quelques erreurs fréquentes sont à éviter.

Supposer que les données suivent une loi normale

C’est l’erreur la plus courante. Ajuster une loi normale sur des données log-normales sous-estime la probabilité des valeurs extrêmes, biaise les estimations de la moyenne et rend les tests statistiques peu fiables. Si vos données sont positives et asymétriques à droite, vérifiez avant de choisir la loi normale.

Interpréter incorrectement la moyenne arithmétique

Pour des données log-normales, la moyenne arithmétique est tirée bien au-dessus de la médiane par la traîne droite. Présenter la moyenne comme « typique » est trompeur. La médiane est généralement une meilleure mesure de l’observation typique. Soyez clair sur la mesure que vous rapportez et pourquoi.

Oublier que les valeurs doivent être positives

La distribution log-normale n’est pas définie pour zéro ou les valeurs négatives. Si votre jeu de données contient des zéros (fréquent dans les données de comptage ou de ventes avec des périodes d’inactivité), la log-normale n’est pas directement applicable. Les solutions courantes incluent l’ajout d’une petite constante avant le log (pas idéal statistiquement) ou l’utilisation d’un modèle « zero-inflated » qui traite les zéros séparément.

Appliquer des tests statistiques inappropriés

Les tests conçus pour des données normales (tests t, intervalles de confiance standards, ANOVA) ne s’appliquent pas directement aux données log-normales. Deux options : loguez les données et appliquez des méthodes basées sur la normale, ou utilisez des méthodes non paramétriques sans hypothèse de forme. Le mauvais test ne produira pas toujours des résultats aberrants, mais peut générer des biais subtils difficiles à détecter.

Conclusion

La distribution log-normale modélise des variables positives et asymétriques à droite en les reliant à la loi normale par une transformation logarithmique. Une fois compris que ln(X) est normale si X est log-normale, tout devient logique. Vous pouvez travailler dans l’espace logarithmique avec des outils normaux standards, puis traduire les résultats à l’échelle d’origine.

Nous avons couvert les propriétés clés, leur origine dans cette transformation et leurs applications pratiques. Le conseil pratique est simple : avant de modéliser des données positives et asymétriques à droite, vérifiez la log-normalité. Tracez les données log-transformées, effectuez un test de normalité et examinez un Q-Q plot. Notre cours Introduction to Statistics in Python et notre tutoriel Probability Distributions in Python sont d’excellentes prochaines étapes pour voir ces idées appliquées à des jeux de données réels.

Lognormal

Qu’est-ce que la distribution log-normale en termes simples ?

La distribution log-normale décrit une variable dont le logarithme naturel suit une loi normale. En pratique, elle modélise des quantités strictement positives et asymétriques à droite, comme les revenus, les cours boursiers et les mesures biologiques. Le nom est littéral : le log de la variable est normal.

En quoi la distribution log-normale diffère-t-elle de la loi normale ?

La loi normale est symétrique et peut prendre n’importe quelle valeur de moins l’infini à plus l’infini. La distribution log-normale est asymétrique à droite et bornée inférieurement par zéro : elle ne produit que des valeurs positives. Si vous prenez le log d’une variable log-normale, vous obtenez une loi normale. Elles sont liées par cette transformation, mais se comportent très différemment sous leur forme brute.

Que signifient les paramètres μ et σ dans la distribution log-normale ?

μ (mu) et σ (sigma) sont la moyenne et l’écart type du logarithme naturel de la variable, et non de la variable elle-même. μ contrôle le centrage de la distribution (un μ plus élevé décale le pic vers la droite), tandis que σ contrôle la dispersion et l’asymétrie (un σ plus grand produit une traîne droite plus lourde et une asymétrie plus marquée). La moyenne réelle de la variable est e^(μ + σ²/2).

Pourquoi la distribution log-normale est-elle courante en finance ?

Les cours boursiers et les rendements financiers se composent de manière multiplicative au fil du temps : la valeur de chaque période est la valeur de la période précédente multipliée par un facteur aléatoire. Lorsque vous multipliez de nombreux facteurs aléatoires et que vous prenez le log, le résultat est une somme de nombreux petits termes aléatoires, qui converge vers une loi normale selon le théorème central limite. C’est pourquoi les rendements logarithmiques tendent à être normalement distribués, et les prix eux-mêmes tendent à être log-normaux. Le modèle Black-Scholes repose sur cette hypothèse.

Quelle est la différence entre la moyenne et la médiane d’une distribution log-normale ?

Dans une distribution log-normale, la moyenne est toujours supérieure à la médiane car la longue traîne droite tire la moyenne arithmétique vers le haut. La médiane d’une variable log-normale avec les paramètres μ et σ est simplement e^μ. La moyenne est e^(μ + σ²/2), qui est toujours plus grande. Cet écart augmente avec σ : plus la distribution est asymétrique, plus la différence entre la moyenne et la médiane est grande. Dans les données de revenus, c’est pourquoi le revenu moyen des ménages est nettement supérieur à la médiane.

Comment tester si mes données suivent une distribution log-normale ?

L’approche standard consiste à transformer vos données par log, puis à tester la normalité des valeurs transformées. Visuellement, tracez un histogramme et un Q-Q plot des données log-transformées : si l’histogramme semble approximativement en cloche et que le Q-Q plot est à peu près linéaire, la log-normale est un ajustement plausible. Pour un test formel, appliquez Shapiro-Wilk ou Kolmogorov-Smirnov aux valeurs log-transformées. Combinez méthodes visuelles et formelles ; avec de grands jeux de données, les tests formels peuvent rejeter la log-normalité pour des écarts négligeables.

Puis-je appliquer une transformation logarithmique à n’importe quelle donnée asymétrique à droite ?

Pas tout à fait. La transformation logarithmique nécessite des valeurs strictement positives : elle n’est pas définie pour zéro ou les nombres négatifs. Si vos données contiennent des zéros, vous devrez les traiter séparément avant de loguer (ajouter une petite constante est courant mais pas toujours statistiquement approprié). De plus, une transformation logarithmique ne garantit pas la log-normalité : elle réduit simplement l’asymétrie à droite. Vérifiez toujours si les données transformées sont réellement normales plutôt que de supposer que la transformation a tout corrigé.

Comment la distribution log-normale est-elle utilisée en apprentissage automatique ?

De trois manières principales. Premièrement, log-transformer une variable cible log-normale avant une régression améliore l’ajustement du modèle et satisfait l’hypothèse de résidus normalement distribués. Deuxièmement, log-transformer des caractéristiques asymétriques réduit l’influence des valeurs extrêmes et rend les relations plus linéaires : c’est un prétraitement standard pour les caractéristiques continues asymétriques à droite. Troisièmement, la distribution log-normale est utilisée explicitement comme a priori ou modèle génératif dans la modélisation probabiliste lorsque les paramètres doivent être positifs, comme dans l’inférence bayésienne pour les paramètres d’échelle ou dans la simulation des temps de réparation et des montants de sinistres.

Sujets

Science des données