Distribución de Pareto Pensamiento Crítico

Distribución de Pareto - Wikipedia https://translate.googleusercontent.com/translate_c?depth=2&hl=es&rurl...
La distribución de Pareto , que lleva el nombre del ingeniero civil , economista y sociólogo
italiano Vilfredo Pareto , es una distribución de probabilidad de ley de poder que se utiliza en la
descripción de fenómenos sociales , científicos , geofísicos , actuariales y muchos otros tipos de
fenómenos observables. Originalmente aplicada a la descripción de la distribución de la riqueza
en una sociedad, ajustada a la tendencia de que una pequeña porción de la riqueza está en
manos de una pequeña fracción de la población, la distribución de Pareto se ha conocido
coloquialmente y se conoce como el principio de Pareto u "80- 20 regla ", y a veces se le llama el"
principio de Mateo ". Esta regla establece que, por ejemplo, el 20% de la población posee el 80%
de la riqueza de una sociedad. Sin embargo, uno no debe combinar la distribución de Pareto
para el Principio de Pareto ya que el primero solo produce este resultado para un valor de
potencia particular, ( α = log 4 5 ≈ 1.16). Mientras Esta observación empírica es variable y
ha encontrado que la distribución 80-20 se ajusta a una amplia gama de casos, incluidos los
fenómenos naturales y las actividades humanas.
definición
Si X es una variable aleatoria con una distribución de Pareto (Tipo I), [1] entonces la probabilidad
de que X sea mayor que algún número x , es decir, la función de supervivencia (también llamada
función de cola), viene dada por
donde x m es el valor mínimo posible (necesariamente positivo) de X , y α es un parámetro

positivo. La distribución de Pareto Tipo I se caracteriza por un parámetro de escala xm y un
parámetro de forma α , que se conoce como índice de cola . Cuando esta distribución se usa para
modelar la distribución de la riqueza, entonces el parámetro α se llama índice de Pareto .
propiedades
Función de distribución acumulativa
A partir de la definición, la función de distribución acumulativa de una variable aleatoria de

Pareto con parámetros α y x m es
1 de 23 9/8/2019 10:42 p. m.
Pareto tipo I
Función de densidad de probabilidad
Función de densidad de
probabilidad
Se sigue (por diferenciación ) que la función

de densidad de probabilidad es
Funciones de densidad de probabilidad de
Pareto Tipo I para varios con
Cuando se traza en ejes lineales, la

Como los
distribución asume la curva familiar en forma
enfoques de distribución
de J que se aproxima a cada uno de los ejes
ortogonales de forma asintótica . Todos los
segmentos de la curva son autosimilares
(sujetos a factores de escala apropiados). dónde es la función delta de
Cuando se traza en un diagrama de registro , Dirac .
la distribución se representa mediante una
Función de distribución acumulativa
línea recta.
Momentos y función característica

El valor esperado de una variable aleatoria
después de una distribución de Pareto es
Funciones de distribución acumulativa de
La varianza de una variable aleatoria que Pareto Tipo I para varios con
sigue a una distribución de Pareto es
2 de 23 9/8/2019 10:42 p. m.
(Si α ≤ 1, la varianza no existe).

Los momentos crudos son
La función de generación de momentos solo se define para valores no positivos t ≤ 0 como
La función característica está dada por
donde Γ ( a , x ) es la función gamma incompleta .
Distribuciones condicionales
La distribución de probabilidad condicional de una variable aleatoria distribuida por Pareto, dado
3 de 23 9/8/2019 10:42 p. m.
el evento de que es mayor o igual a un número particular excesivo , es una
distribución de Pareto con el mismo índice de Pareto pero con mínimo en vez de
Un teorema de caracterización
Suponer son variables aleatorias distribuidas idénticamente

independientes cuya distribución de probabilidad se admite en el intervalo
para algunos . Supongamos que para todos , las dos variables aleatorias
y
son independientes Entonces la distribución común es

una distribución de Pareto.
Media geométrica
La media geométrica ( G ) es [2]
4 de 23 9/8/2019 10:42 p. m.
Media armónica
La media armónica ( H ) es [2]
Distribuciones generalizadas de Pareto
Existe una jerarquía [1] [3] de distribuciones de Pareto conocidas como distribuciones de Pareto
Tipo I, II, III, IV y Feller-Pareto. [1] [3] [4] Pareto Tipo IV contiene Pareto Tipo I – III como casos
especiales. La distribución Feller – Pareto [3] [5] generaliza Pareto Tipo IV.
Pareto tipos I – IV
La jerarquía de distribución de Pareto se resume en la siguiente tabla que compara las funciones
de supervivencia (CDF complementario).
Cuando μ = 0, la distribución de Pareto Tipo II también se conoce como distribución de Lomax .

[6]
En esta sección, el símbolo x m , usado antes para indicar el valor mínimo de x , se reemplaza por
σ.
5 de 23 9/8/2019 10:42 p. m.
Distribuciones de Pareto
Apoyo Parámetros
Tipo i

Tipo II

Lomax

Tipo III

Tipo IV

El parámetro de forma α es el índice de la cola , μ es la ubicación, σ es la escala, γ es un

parámetro de desigualdad. Algunos casos especiales de Pareto Tipo (IV) son
La finitud de la media, y la existencia y la finitud de la varianza dependen del índice de cola α

(índice de desigualdad γ ). En particular, los momentos δ fraccionales son finitos para algunos δ
> 0, como se muestra en la tabla a continuación, donde δ no es necesariamente un número
entero.
6 de 23 9/8/2019 10:42 p. m.
Momentos de distribuciones de Pareto I – IV (caso μ = 0)
Condición Condición
Tipo

i
Tipo

II
Tipo
III
Tipo
IV

Distribución Feller-Pareto
Feller [3] [5] define una variable de Pareto por transformación U = Y −1-1 de una variable aleatoria
beta Y , cuya función de densidad de probabilidad es
donde B () es la función beta . Si
entonces W tiene una distribución de Feller-Pareto FP ( μ , σ , γ , γ 1 , γ 2 ). [1]
Si y son variables Gamma independientes,

otra construcción de una variable Feller-Pareto (FP) es [7]
7 de 23 9/8/2019 10:42 p. m.
y escribimos W ~ FP ( μ , σ , γ , δ 1 , δ 2 ). Los casos especiales de la distribución Feller-Pareto son
aplicaciones
Vilfredo Pareto usó originalmente esta distribución para describir la asignación de riqueza entre
los individuos, ya que parecía mostrar bastante bien la forma en que una porción más grande de
la riqueza de cualquier sociedad es propiedad de un porcentaje menor de las personas en esa
sociedad. También lo usó para describir la distribución del ingreso. [8] Esta idea a veces se expresa
más simplemente como el principio de Pareto o la "regla 80-20" que dice que el 20% de la
población controla el 80% de la riqueza. [9] Sin embargo, la regla 80-20 corresponde a un valor
particular de α , y de hecho, los datos de Pareto sobre los impuestos sobre la renta británicos en
su Cours d'économie politique indican que aproximadamente el 30% de la población tenía
aproximadamente el 70% de los ingresos . El gráfico de función de densidad de probabilidad
(PDF) al comienzo de este artículo muestra que la "probabilidad" o fracción de la población que
posee una pequeña cantidad de riqueza por persona es bastante alta, y luego disminuye
constantemente a medida que aumenta la riqueza. (Sin embargo, la distribución de Pareto no es
realista para la riqueza del extremo inferior. De hecho, el patrimonio neto puede incluso ser
negativo). Esta distribución no se limita a describir la riqueza o el ingreso, sino a muchas
situaciones en las que se encuentra un equilibrio en el distribución de lo "pequeño" a lo
"grande". Los siguientes ejemplos a veces se ven como aproximadamente distribuidos por
Pareto:
El tamaño de los asentamientos humanos (pocas ciudades, muchas aldeas / pueblos) [10]
Distribución del tamaño del archivo del tráfico de Internet que utiliza el protocolo TCP (muchos
archivos más pequeños, algunos más grandes) [10]
8 de 23 9/8/2019 10:42 p. m.
Tasas de error de la unidad de disco duro [11]
Grupos de condensado de Bose-Einstein cerca del cero absoluto [12]
Distribución acumulada de Pareto (Lomax)

ajustada a precipitaciones máximas de un
día usando CumFreq , ver también ajuste de
distribución
Los valores de las reservas de petróleo en campos petroleros (unos pocos campos grandes ,
muchos campos pequeños ) [10]
La distribución de la longitud en los trabajos asignados a las supercomputadoras (algunas

grandes, muchas pequeñas) [13]
El precio estandarizado retorna en acciones individuales [10]
Tamaños de partículas de arena [10]
El tamaño de los meteoritos.
Gravedad de grandes pérdidas por accidentes para ciertas líneas de negocios, tales como
responsabilidad civil general, automóviles comerciales y compensación de trabajadores. [14] [15]
Cantidad de tiempo que un usuario en Steam pasará jugando diferentes juegos. (Algunos
juegos se juegan mucho, pero la mayoría casi nunca.) [2]
En hidrología, la distribución de Pareto se aplica a eventos extremos, como precipitaciones

máximas anuales de un día y descargas de ríos. [16] La imagen azul ilustra un ejemplo de ajuste
de la distribución de Pareto a las precipitaciones máximas de un día clasificadas anualmente
mostrando también el cinturón de confianza del 90% basado en la distribución binomial . Los
datos de lluvia se representan mediante el trazado de posiciones como parte del análisis de
frecuencia acumulativa .
Relación con otras distribuciones
9 de 23 9/8/2019 10:42 p. m.
Relación con la distribución exponencial
La distribución de Pareto está relacionada con la distribución exponencial de la siguiente manera.

Si X está distribuido por Pareto con un mínimo de xm e índice α , entonces
se distribuye exponencialmente con el parámetro de velocidad α . De manera equivalente, si Y se

distribuye exponencialmente con la tasa α , entonces
está distribuido por Pareto con un mínimo de xm e índice α .
Esto se puede mostrar utilizando las técnicas estándar de cambio de variable:
La última expresión es la función de distribución acumulativa de una distribución exponencial con

tasa α .
10 de 23 9/8/2019 10:42 p. m.
Relación con la distribución log-normal
La distribución de Pareto y la distribución logarítmica normal son distribuciones alternativas para

describir los mismos tipos de cantidades. Una de las conexiones entre los dos es que ambas son
distribuciones del exponencial de variables aleatorias distribuidas de acuerdo con otras
distribuciones comunes, respectivamente, la distribución exponencial y la distribución normal .
Relación con la distribución generalizada de Pareto
La distribución de Pareto es un caso especial de la distribución de Pareto generalizada , que es

una familia de distribuciones de forma similar, pero que contiene un parámetro adicional de tal
manera que el soporte de la distribución está limitado a continuación (en un punto variable) o
limitado tanto arriba como abajo (donde ambos son variables), con la distribución de Lomax
como un caso especial. Esta familia también contiene las distribuciones exponenciales no
desplazadas y desplazadas.
La distribución de Pareto con escala y forma es equivalente a la distribución
generalizada de Pareto con ubicación escala y forma
. Viceversa, uno puede obtener la distribución de Pareto desde el GPD por
y .
Relación con la ley de Zipf
La distribución de Pareto es una distribución de probabilidad continua. La ley de Zipf , también

llamada a veces distribución zeta , es una distribución discreta, que separa los valores en una
clasificación simple. Ambas son una ley de potencia simple con un exponente negativo, escalada
11 de 23 9/8/2019 10:42 p. m.
para que sus distribuciones acumulativas sean iguales a 1. Los Zipf pueden derivarse de la
distribución de Pareto si el los valores (ingresos) están agrupados en clasifica para que el
número de personas en cada contenedor siga un patrón de 1 / rango. La distribución se
normaliza definiendo así que eso dónde
es el número armónico generalizado . Esto hace que la función de

densidad de probabilidad de Zipf se pueda derivar de la de Pareto.
dónde y es un número entero que representa el rango de 1 a N, donde N

es el nivel de ingresos más alto. Por lo tanto, una persona seleccionada al azar (o palabra, enlace
al sitio web o ciudad) de una población (o idioma, internet o país) tiene probabilidad
de clasificación .
Relación con el "principio de Pareto"
La " ley 80-20 ", según la cual el 20% de todas las personas recibe el 80% de todos los ingresos, y
el 20% del 20% más rico recibe el 80% de ese 80%, y así sucesivamente, se cumple precisamente
cuando el índice de Pareto es α = log 4 (5) = log (5) / log (4), aproximadamente 1.161. Este
resultado puede derivarse de la fórmula de la curva de Lorenz dada a continuación. Además, se
ha demostrado que [17] es matemáticamente equivalente:
Los ingresos se distribuyen de acuerdo con una distribución de Pareto con índice α > 1.
12 de 23 9/8/2019 10:42 p. m.
Hay algún número 0 ≤ p ≤ 1/2 de tal manera que 100 p % de todas las personas reciben el 100
(1 - p )% de todos los ingresos, y de manera similar para cada real (no necesariamente entero)
n > 0, 100 p n % de todas las personas reciben 100 (1 - p ) n porcentaje de todos los ingresos. α
y p están relacionados por
Esto no se aplica solo a los ingresos, sino también a la riqueza, o a cualquier otra cosa que pueda
ser modelada por esta distribución.
Esto excluye las distribuciones de Pareto en las que 0 < α ≤ 1, que, como se señaló
anteriormente, tienen un valor esperado infinito y, por lo tanto, no pueden modelar
razonablemente la distribución del ingreso.
Relación con la ley de Price
La ley de raíz cuadrada de Price a veces se ofrece como una propiedad o similar a la distribución
de Pareto. Sin embargo, la ley solo se cumple en el caso de que . Tenga en cuenta
que en este caso, la cantidad total y esperada de riqueza no está definida, y la regla solo se aplica
asintóticamente a muestras aleatorias. El principio de Pareto extendido mencionado
anteriormente es una regla mucho más general.
Curva de Lorenz y coeficiente de Gini
13 de 23 9/8/2019 10:42 p. m.
Curvas de Lorenz para varias distribuciones de Pareto. El

caso α = ∞ corresponde a una distribución
perfectamente igual ( G = 0) y la línea α = 1 corresponde
a la desigualdad completa ( G = 1)
La curva de Lorenz se usa a menudo para caracterizar las distribuciones de ingresos y riqueza.
Para cualquier distribución, la curva de Lorenz L ( F ) se escribe en términos de PDF f o CDF F
como
donde x ( F ) es el inverso de la CDF. Para la distribución de Pareto,
y la curva de Lorenz se calcula para ser
por el denominador es infinito, produciendo L = 0. Los ejemplos de la curva
14 de 23 9/8/2019 10:42 p. m.
de Lorenz para varias distribuciones de Pareto se muestran en el gráfico de la derecha.
Según Oxfam (2016), las 62 personas más ricas tienen tanta riqueza como la mitad más pobre de
la población mundial. [18] Podemos estimar el índice de Pareto que se aplicaría a esta situación.
Dejar ε igual tenemos:
La solución es que α es igual a aproximadamente 1.15, y aproximadamente el 9% de la riqueza es

propiedad de cada uno de los dos grupos. Pero en realidad, el 69% más pobre de la población
adulta mundial posee solo alrededor del 3% de la riqueza. [19]
El coeficiente de Gini es una medida de la desviación de la curva de Lorenz de la línea de

equidistribución, que es una línea que conecta [0, 0] y [1, 1], que se muestra en negro ( α = ∞) en
el gráfico de Lorenz en derecho. Específicamente, el coeficiente de Gini es dos veces el área entre
la curva de Lorenz y la línea de equidistribución. Luego se calcula el coeficiente de Gini para la
distribución de Pareto (para ) ser
(Ver Aaberge 2005).
Estimación de parámetros
La función de probabilidad de los parámetros de distribución de Pareto α y x m , dada una

muestra independiente x = ( x 1 , x 2 , ..., x n ), es
15 de 23 9/8/2019 10:42 p. m.
Por lo tanto, la función de probabilidad logarítmica es
Puede observarse que está aumentando monotónicamente con x m , es decir,
cuanto mayor es el valor de x m , mayor es el valor de la función de probabilidad. Por lo tanto,

dado que x ≥ x m , concluimos que
Para encontrar el estimador de α , calculamos la derivada parcial correspondiente y

determinamos dónde es cero:
16 de 23 9/8/2019 10:42 p. m.
Thus the maximum likelihood estimator for α is:
The expected statistical error is: [20]
Malik (1970) [21] gives the exact joint distribution of . En particular, y
are independent and is Pareto with scale parameter x m and shape parameter nα ,
whereas has an inverse-gamma distribution with shape and scale parameters n − 1 and nα ,
respectively.
Graphical representation
17 de 23 9/8/2019 10:42 p. m.
The characteristic curved ' long tail ' distribution when plotted on a linear scale, masks the
underlying simplicity of the function when plotted on a log-log graph , which then takes the form
of a straight line with negative gradient: It follows from the formula for the probability density
function that for x ≥ x m ,
Since α is positive, the gradient −( α + 1) is negative.
Random sample generation
Random samples can be generated using inverse transform sampling . Given a random variate U
drawn from the uniform distribution on the unit interval (0, 1], the variate T given by
is Pareto-distributed. [22] If U is uniformly distributed on [0, 1), it can be exchanged with (1 − U ).
variantes
18 de 23 9/8/2019 10:42 p. m.
Bounded Pareto distribution
The bounded (or truncated) Pareto distribution has three parameters: α , L and H . As in the
standard Pareto distribution α determines the shape. L denotes the minimal value, and H denotes
the maximal value.
The probability density function is
,
where L ≤ x ≤ H , and α > 0.
Generating bounded Pareto random variables
If U is uniformly distributed on (0, 1), then applying inverse-transform method [23]
is a bounded Pareto-distributed.
Symmetric Pareto distribution
The symmetric Pareto distribution can be defined by the probability density function : [24]
It has a similar shape to a Pareto distribution for x > x m and is mirror symmetric about the
vertical axis.
Multivariate Pareto distribution
19 de 23 9/8/2019 10:42 p. m.
The univariate Pareto distribution has been

Bounded Pareto
extended to a multivariate Pareto distribution.
[25] Parámetros
location
( real )
Ver también
location ( real )
Bradford's law
shape
Matthew effect
(real)
Pareto analysis
Apoyo
Pareto efficiency

Pareto interpolation
PDF
Power law probability distributions
Ley del esturión
Traffic generation model
Zipf's law CDF
Heavy-tailed distribution

Referencias
1. Barry C. Arnold (1983). Pareto

Media
Distributions . International Co-operative
Publishing House. ISBN

978-0-89974-012-6 .
2. Johnson NL, Kotz S, Balakrishnan N

(1994) Continuous univariate Mediana
distributions Vol 1. Wiley Series in
Probability and Statistics.
3. Johnson, Kotz, and Balakrishnan (1994),

(20.4).
Diferencia
4. Christian Kleiber & Samuel Kotz (2003).
Statistical Size Distributions in
Economics and Actuarial Sciences .
20 de 23 9/8/2019 10:42 p. m.
Wiley ISBN 978-0-471-15064-0 .
5. Feller, W. (1971). An Introduction to Probability Theory and its Applications . II (2nd ed.). New
York: Wiley. pag. 50 "The densities (4.3) are sometimes called after the economist Pareto . It
was thought (rather naïvely from a modern statistical standpoint) that income distributions
should have a tail with a density ~ Ax − α as x → ∞."
6. Lomax, KS (1954). "Business failures. Another example of the analysis of failure data". Journal
of the American Statistical Association . 49 (268): 847–52. doi :
10.1080/01621459.1954.10501239 .
7. Chotikapanich, Duangkamon. "Chapter 7: Pareto and Generalized Pareto Distributions" .

Modeling Income Distributions and Lorenz Curves . pp. 121–22.
8. Pareto, Vilfredo, Cours d'Économie Politique: Nouvelle édition par G.-H. Bousquet et G. Busino
, Librairie Droz, Geneva, 1964, pp. 299–345.
9. For a two-quantile population, where approximately 18% of the population owns 82% of the
wealth, the Theil index takes the value 1.
10. Reed, William J.; et al. (2004). "The Double Pareto-Lognormal Distribution – A New
Parametric Model for Size Distributions". Communications in Statistics – Theory and Methods
. 33 (8): 1733–53. CiteSeerX 10.1.1.70.4555 . doi : 10.1081/sta-120037438 .
11. Schroeder, Bianca; Damouras, Sotirios; Gill, Phillipa (2010-02-24). "Understanding latent
sector error and how to protect against them" (PDF) . 8th Usenix Conference on File and
Storage Technologies (FAST 2010) . Consultado el 10 de septiembre de 2010 . "We
experimented with 5 different distributions (Geometric,Weibull, Rayleigh, Pareto, and
Lognormal), that are commonly used in the context of system reliability, and evaluated their
fit through the total squared differences between the actual and hypothesized frequencies
(χ 2 statistic). We found consistently across all models that the geometric distribution is a
poor fit, while the Pareto distribution provides the best fit."
12. Yuji Ijiri; Simon, Herbert A. (May 1975). "Some Distributions Associated with Bose–Einstein
Statistics" . Proc. Natl. Acad. Sci. Estados Unidos 72 (5): 1654–57. Bibcode :
1975PNAS...72.1654I . doi : 10.1073/pnas.72.5.1654 . PMC 432601 . PMID 16578724 .
13. Harchol-Balter, Mor ; Downey, Allen (August 1997). "Exploiting Process Lifetime
Distributions for Dynamic Load Balancing" (PDF) . ACM Transactions on Computer Systems .
15 (3): 253–258. doi : 10.1145/263326.263344 .
14. Kleiber and Kotz (2003): p. 94)
21 de 23 9/8/2019 10:42 p. m.
15. Seal, H. (1980). "Survival probabilities based on Pareto claim distributions". ASTIN Bulletin .
11 : 61–71. doi : 10.1017/S0515036100006620 .
16. CumFreq, software for cumulative frequency analysis and probability distribution fitting [1]
17. Hardy, Michael (2010). "Pareto's Law". Mathematical Intelligencer . 32 (3): 38–43. doi :
10.1007/s00283-010-9159-2 .
18. "62 people own the same as half the world, reveals Oxfam Davos report" . Oxfam. Jan
2016.
19. "Global Wealth Report 2013" . Credit Suisse. Oct 2013. p. 22)
20. MEJ Newman (2005). "Power laws, Pareto distributions and Zipf's law". Contemporary Physics
. 46 (5): 323–51. arXiv : cond-mat/0412004 . Bibcode : 2005ConPh..46..323N . doi :
10.1080/00107510500052444 .
21. HJ Malik (1970). "Estimation of the Parameters of the Pareto Distribution". Metrika . 15 :
126–132. doi : 10.1007/BF02613565 .
22. Tanizaki, Hisashi (2004). Computational Methods in Statistics and Econometrics . CRC Press.
pag. 133. ISBN 9780824750886 .
23. http://www.cs.bgu.ac.il/~mps042/invtransnote.htm
24. Grabchak, M. & Samorodnitsky, D. "Do Financial Returns Have Finite or Infinite Variance? A
Paradox and an Explanation" (PDF) . págs. 7–8.
25. Rootzén, Holger; Tajvidi, Nader (2006). "Multivariate generalized Pareto distributions".
Bernoulli . 12 (5): 917–30. CiteSeerX 10.1.1.145.2991 . doi : 10.3150/bj/1161614952 .
notas
MO Lorenz (1905). "Methods of measuring the concentration of wealth". Publications of the

American Statistical Association . 9 (70): 209–19. Bibcode : 1905PAmSA...9..209L . doi :
10.2307/2276207 . JSTOR 2276207 .
Pareto, Vilfredo (1965). Librairie Droz (ed.). "Ecrits sur la courbe de la répartition de la richesse".
Œuvres complètes : T. III: 48. ISBN 9782600040211 .
Pareto, Vilfredo (1895). "La legge della domanda". Giornale Degli Economisti . 10 : 59–68.
Pareto, Vilfredo (1896). "Cours d'économie politique". doi : 10.1177/000271629700900314 .
Enlaces externos
22 de 23 9/8/2019 10:42 p. m.
Hazewinkel, Michiel , ed. (2001) [1994], "Pareto distribution" , Encyclopedia of Mathematics ,

Springer Science+Business Media BV / Kluwer Academic Publishers, ISBN 978-1-55608-010-4
Weisstein, Eric W. "Pareto distribution" . MathWorld .
Aabergé, Rolf (May 2005), Gini's Nuclear Family (PDF)
Crovella, Mark E.; Bestavros, Azer (December 1997). Self-Similarity in World Wide Web Traffic:
Evidence and Possible Causes (PDF) . IEEE/ACM Transactions on Networking. 5) pp. 835–846.
syntraf1.c is a C program to generate synthetic packet traffic with bounded Pareto burst size
and exponential interburst time.
Last edited 20 days ago by an anonymous user
23 de 23 9/8/2019 10:42 p. m.

Distribución de Pareto Pensamiento Crítico

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Distribución de Pareto Pensamiento Crítico

Transféré par

Droits d'auteur :

Formats disponibles

Distribución de Pareto - Wikipedia https://translate.googleusercontent.com/translate_c?depth=2&hl=es&rurl...

donde x m es el valor mínimo posible (necesariamente positivo) de X , y α es un parámetro

Función de distribución acumulativa

A partir de la definición, la función de distribución acumulativa de una variable aleatoria de

Función de densidad de probabilidad

Se sigue (por diferenciación ) que la función

Funciones de densidad de probabilidad de

Pareto Tipo I para varios con

Cuando se traza en ejes lineales, la

Momentos y función característica

Funciones de distribución acumulativa de

sigue a una distribución de Pareto es

(Si α ≤ 1, la varianza no existe).

La función de generación de momentos solo se define para valores no positivos t ≤ 0 como

La función característica está dada por

donde Γ ( a , x ) es la función gamma incompleta .

el evento de que es mayor o igual a un número particular excesivo , es una

Suponer son variables aleatorias distribuidas idénticamente

son independientes Entonces la distribución común es

La media geométrica ( G ) es [2]

La media armónica ( H ) es [2]

Distribuciones generalizadas de Pareto

Cuando μ = 0, la distribución de Pareto Tipo II también se conoce como distribución de Lomax .

El parámetro de forma α es el índice de la cola , μ es la ubicación, σ es la escala, γ es un

La finitud de la media, y la existencia y la finitud de la varianza dependen del índice de cola α

Momentos de distribuciones de Pareto I – IV (caso μ = 0)

donde B () es la función beta . Si

entonces W tiene una distribución de Feller-Pareto FP ( μ , σ , γ , γ 1 , γ 2 ). [1]

Si y son variables Gamma independientes,

y escribimos W ~ FP ( μ , σ , γ , δ 1 , δ 2 ). Los casos especiales de la distribución Feller-Pareto son

Tasas de error de la unidad de disco duro [11]

Grupos de condensado de Bose-Einstein cerca del cero absoluto [12]

Distribución acumulada de Pareto (Lomax)

La distribución de la longitud en los trabajos asignados a las supercomputadoras (algunas

El precio estandarizado retorna en acciones individuales [10]

Tamaños de partículas de arena [10]

El tamaño de los meteoritos.

En hidrología, la distribución de Pareto se aplica a eventos extremos, como precipitaciones

Relación con otras distribuciones

Relación con la distribución exponencial

La distribución de Pareto está relacionada con la distribución exponencial de la siguiente manera.

se distribuye exponencialmente con el parámetro de velocidad α . De manera equivalente, si Y se

está distribuido por Pareto con un mínimo de xm e índice α .

Esto se puede mostrar utilizando las técnicas estándar de cambio de variable:

La última expresión es la función de distribución acumulativa de una distribución exponencial con

Relación con la distribución log-normal

La distribución de Pareto y la distribución logarítmica normal son distribuciones alternativas para

Relación con la distribución generalizada de Pareto

La distribución de Pareto es un caso especial de la distribución de Pareto generalizada , que es

La distribución de Pareto con escala y forma es equivalente a la distribución

generalizada de Pareto con ubicación escala y forma

. Viceversa, uno puede obtener la distribución de Pareto desde el GPD por

Relación con la ley de Zipf

La distribución de Pareto es una distribución de probabilidad continua. La ley de Zipf , también

es el número armónico generalizado . Esto hace que la función de

dónde y es un número entero que representa el rango de 1 a N, donde N

Relación con el "principio de Pareto"

Relación con la ley de Price

Curva de Lorenz y coeficiente de Gini

Curvas de Lorenz para varias distribuciones de Pareto. El

donde x ( F ) es el inverso de la CDF. Para la distribución de Pareto,

y la curva de Lorenz se calcula para ser

por el denominador es infinito, produciendo L = 0. Los ejemplos de la curva

de Lorenz para varias distribuciones de Pareto se muestran en el gráfico de la derecha.