De la Wikipedia, enciclopedia liberă.
În teoria probabilității, distribuția Pareto (sau distribuția Pareto ) este o distribuție continuă a probabilității utilizată în special pentru a descrie distribuția veniturilor și numită astfel în onoarea lui Vilfredo Pareto .
Metodologie
Funcția densității probabilității asociată cu distribuția Pareto este
- {\ displaystyle \ f (x) = {\ frac {\ alpha \ beta ^ {\ alpha}} {x ^ {\ alpha +1}}}}
- {\ displaystyle f (x) = {\ begin {cases} {\ dfrac {\ alpha \ beta ^ {\ alpha}} {x ^ {\ alpha +1}}} și {\ text {per}} x \ geq \ beta \\ 0 & {\ text {per}} x <\ beta \ end {cases}}}
Distribuția Pareto este caracterizată de doi parametri: unul de poziție {\ displaystyle \ beta} absolut pozitiv, care este valoarea minimă pe care o poate lua {\ displaystyle X} și un parametru de formă {\ displaystyle \ alpha} , de asemenea pozitiv, care este adesea denumit „indicele cozii”
Variabila aleatorie Pareto este adesea utilizată pentru a modela distribuția veniturilor; atunci, {\ displaystyle \ beta} este interpretat ca un venit minim .
Prin integrarea funcției de densitate între {\ displaystyle \ beta} Și {\ displaystyle x \ in (\ beta; + \ infty)} obținem funcția de distribuție :
{\ displaystyle {\ begin {alignat} {2} F_ {X} (x) = \ alpha \ beta ^ {\ alpha} \ int _ {\ beta} ^ {+ \ infty} \ xi ^ {- (\ alpha +)} d \ xi & = \ alpha \ beta ^ {\ alpha} \ cdot - {\ frac {1} {\ alpha}} \ xi ^ {- \ alpha} {\ bigg |} _ {\ beta} ^ {+ \ infty} = - \ beta ^ {\ alpha} \ cdot {\ dfrac {1} {\ xi ^ {\ alpha}}} {\ bigg \ vert} _ {\ beta} ^ {x} \\ [ 2ex] & = - \ beta ^ {\ alpha} \ left ({\ dfrac {1} {x ^ {\ alpha}}} - {\ dfrac {1} {\ beta ^ {\ alpha}}} \ right) = 1- \ left ({\ dfrac {\ beta} {x}} \ right) ^ {\ alpha} \ end {alignat}}}
{\ displaystyle F (x) = {\ begin {cases} 1 - {\ bigg (} {\ dfrac {\ beta} {x}} {\ bigg)} ^ {\ alpha} și {\ text {per}} x \ geq \ beta \\ 0 & {\ text {per}} x <\ beta \ end {cases}}}
Parametrii săi principali sunt:
- Momente de comandă unu și mai sus
- {\ displaystyle {\ begin {align} \ mu _ {1} & = \ displaystyle \ int _ {\ beta} ^ {+ \ infty} x {\ dfrac {\ alpha \ beta ^ {\ alpha}} {x ^ {\ alpha +1}}} \, dx = \ alpha \ beta ^ {\ alpha} \ displaystyle \ int _ {\ beta} ^ {+ \ infty} x ^ {- \ alpha} \, dx = \ alpha \ beta ^ {\ alpha} \ cdot {\ dfrac {x ^ {1- \ alpha}} {1- \ alpha}} {\ bigg \ vert} _ {\ beta} ^ {+ \ infty} \\ [2ex] & = {\ dfrac {\ alpha \ beta ^ {\ alpha}} {1- \ alpha}} \ cdot {\ dfrac {1} {x ^ {\ alpha -1}}} {\ bigg \ vert} _ { \ beta} ^ {+ \ infty} = {\ dfrac {\ alpha \ beta ^ {\ alpha}} {1- \ alpha}} \ left (0 - {\ dfrac {1} {\ beta ^ {\ alpha - 1}}} \ right) = {\ dfrac {\ alpha \ beta} {\ alpha -1}} \\\ end {align}}} :
- Din care derivăm:
- {\ displaystyle \ mu _ {1} = {\ begin {cases} {\ dfrac {\ alpha \ beta} {x-1}} și {\ text {per}} \ alpha> 1 \\\ infty & {\ text {per}} \ alpha \ geq 1 \ end {cases}}}
- {\ displaystyle {\ begin {align} \ mu _ {2} & = \ alpha \ beta ^ {\ alpha} \ int _ {\ beta} ^ {+ \ infty} {\ dfrac {x ^ {2}} { x ^ {\ alpha +1}}} \, dx = \ alpha \ beta ^ {\ alpha} \ int _ {\ beta} ^ {+ \ infty} x ^ {1- \ alpha} \, dx = \ alpha \ beta ^ {\ alpha} \ cdot {\ dfrac {1} {2- \ alpha}} x ^ {2- \ alpha} {\ bigg \ vert} _ {\ beta} ^ {+ \ infty} \\ [ 2ex] & = \ alpha \ beta ^ {\ alpha} \ cdot {\ dfrac {1} {2- \ alpha}} {\ dfrac {1} {x ^ {\ alpha -2}}} {\ bigg \ vert } _ {\ beta} ^ {+ \ infty} = \ alpha \ beta ^ {\ alpha} \ cdot {\ dfrac {1} {2- \ alpha}} \ left (0 - {\ dfrac {1} {\ beta ^ {\ alpha -2}}} \ right) \\ [2ex] & = - {\ dfrac {\ alpha \ beta ^ {\ alpha}} {2- \ alpha}} \ cdot {\ dfrac {1} {\ beta ^ {\ alpha -2}}} = {\ dfrac {\ alpha \ beta ^ {2}} {\ alpha -2}} \ end {align}}}
- Din care derivăm:
- {\ displaystyle \ mu _ {2} = {\ begin {cases} {\ dfrac {\ alpha \ beta ^ {2}} {x-2}} și {\ text {per}} \ alpha> 2 \\\ infty & {\ text {per}} \ alpha \ geq 2 \ end {cases}}}
- În general, un moment de comandă {\ displaystyle n} este definit ca:
- {\ displaystyle \ mu _ {n} = {\ begin {cases} {\ dfrac {\ alpha \ beta ^ {n}} {xn}} și {\ text {per}} 0 <n <\ alpha \\\ infty & {\ text {per}} n \ geq \ alpha \ end {cases}}}
{\ displaystyle M (\ theta) = E [e ^ {\ theta x}] = \ alpha (- \ beta \ theta) ^ {\ alpha} \ Gamma (- \ alpha, - \ beta \ theta)}
unde este {\ displaystyle \ Gamma (- \ alpha, - \ beta \ theta)} este o funcție gamma incompletă .
Funcția de generare a momentului este definită numai pentru valorile non-pozitive ale {\ displaystyle \ theta} .
- Varianța
- {\ displaystyle {\ begin {align} \ sigma ^ {2} & = \ mu _ {2} - \ mu _ {1} ^ {2} = {\ dfrac {\ alpha \ beta ^ {2}} {\ alfa -2}} - \ left ({\ dfrac {\ alpha \ beta} {\ alpha -1}} \ right) ^ {2} = {\ dfrac {\ alpha \ beta ^ {2}} {\ alpha - 2}} - {\ dfrac {\ alpha ^ {2} \ beta ^ {2}} {(\ alpha -1) ^ {2}}} \\ [2ex] & = {\ dfrac {\ alpha \ beta ^ {2} (\ alpha -1) ^ {2} - \ alpha ^ {2} \ beta ^ {2} (\ alpha -2)} {(\ alpha -2) (\ alpha -1) ^ {2} }} \\ [2ex] & = {\ dfrac {\ alpha ^ {3} \ beta ^ {2} + \ alpha \ beta ^ {2} -2 \ alpha ^ {2} \ beta ^ {2} - \ alfa ^ {3} \ beta ^ {2} +2 \ alfa ^ {2} \ beta ^ {2}} {(\ alfa -2) (\ alfa -1) ^ {2}}} \\ [2ex] & = {\ dfrac {\ alpha \ beta ^ {2}} {(\ alpha -2) (\ alpha -1) ^ {2}}} \ end {align}}} :
- Din care derivăm:
- {\ displaystyle \ sigma ^ {2} = {\ begin {cases} {\ dfrac {\ alpha \ beta ^ {2}} {(\ alpha -2) (\ alpha -1) ^ {2}}} și { \ text {per}} \ alpha> 2 \\\ infty & {\ text {per}} \ alpha \ in (1; 2] \ end {cases}}}
- Rețineți că pentru{\ displaystyle \ alpha \ leq 1} varianța nu există.
Median
{\ displaystyle 1 - {\ bigg (} {\ frac {\ beta} {\ xi _ {0.5}}} {\ bigg)} ^ {\ alpha} = {\ frac {1} {2}} \ rightarrow { \ bigg (} {\ frac {\ beta} {\ xi _ {0.5}}} {\ bigg)} ^ {\ alpha} = {\ frac {1} {2}}}
{\ displaystyle \ xi _ {0.5} = {\ sqrt [{\ alpha}] {2}} \ beta}
- Simetrie
- {\ displaystyle \ beta _ {1} = {\ frac {4 (\ alpha -2) (\ alpha +1) ^ {2}} {\ alpha (\ alpha -3) ^ {2}}}} pentru {\ displaystyle \ alpha> 3}
- Curios
- {\ displaystyle \ beta _ {2} = {\ frac {3 (\ alpha -2) (3 \ alpha ^ {2} + \ alpha +2)} {\ alpha (\ alpha -3) (\ alpha -4 )}}} pentru {\ displaystyle \ alpha> 4}
Caracteristici
Variabila aleatorie Pareto are elasticitate constantă (negativă):
- ε (x) = d f / f / d x / x = - (α + 1)
ceea ce poate fi interpretat ca însemnând că, indiferent de venitul x 0
- de sine
- pentru venit x 0 avem y 0 persoane care îl câștigă
- asa de
- pentru venituri x 0 + 1% vor fi y 0 - (α + 1)% persoane
Elemente conexe
Alte proiecte