Распределение Парето в статистике¶

Распределение Парето — это непрерывное вероятностное распределение, используемое в статистике для описания явлений, в которых небольшая доля объектов концентрирует основную часть суммарного ресурса. Названо в честь итальянского экономиста и социолога Вильфредо Парето, который в конце XIX века исследовал распределение доходов и обнаружил, что значительная часть богатства сосредоточена у малой доли населения. Формально распределение задаётся двумя параметрами: масштабом \(x_m > 0\) и показателем формы (индексом хвоста) \(\alpha > 0\).

¶Определение и функция распределения

Случайная величина \(X\) имеет распределение Парето, если её функция распределения при \(x \ge x_m\) имеет вид:

\[ F(x) = 1 - \left(\frac{x_m}{x}\right)^{\alpha} \]

Плотность вероятности:

\[ f(x) = \frac{\alpha x_m^{\alpha}}{x^{\alpha+1}}, \quad x \ge x_m \]

Параметр \(x_m\) задаёт минимально возможное значение величины, а \(\alpha\) определяет «тяжесть» хвоста: чем меньше \(\alpha\), тем медленнее убывает вероятность больших значений.

¶Математические свойства

• Математическое ожидание существует только при \(\alpha > 1\) и равно \(\dfrac{\alpha x_m}{\alpha - 1}\).
• Дисперсия конечна лишь при \(\alpha > 2\) и равна \(\dfrac{x_m^2 \alpha}{(\alpha-1)^2(\alpha-2)}\).
• При \(\alpha \le 1\) не существует даже среднего значения, что делает распределение особенно «тяжелохвостым».
• Распределение обладает свойством самоподобия (масштабной инвариантности): условное распределение \(X\) при \(X > k\) снова является распределением Парето с тем же \(\alpha\).

¶Связь с законом Парето

Распределение Парето служит математической моделью так называемого принципа Парето (правила 80/20), согласно которому примерно 80 % эффекта дают 20 % причин. Строго говоря, принцип 80/20 — это эмпирическое наблюдение, а не следствие распределения; конкретное соотношение зависит от значения \(\alpha\). Тем не менее распределение Парето часто используется для формализации подобных закономерностей.

¶Применение

Распределение Парето применяется в различных областях:

Во многих из этих случаев распределение Парето используется как модель «тяжёлых хвостов», где редкие экстремальные события вносят непропорционально большой вклад в общую сумму.

¶Оценка параметров

На практике параметры распределения оценивают по выборке. Наиболее распространённый метод — метод максимального правдоподобия. Для известного \(x_m\) оценка показателя формы имеет вид:

\[ \hat{\alpha} = \frac{n}{\sum_{i=1}^{n} \ln(x_i / x_m)} \]

Оценка параметра масштаба \(x_m\) сложнее: часто его принимают равным минимальному наблюдению или подбирают графическими методами (например, по диаграмме Парето или графику выживаемости в логарифмических координатах).

¶Критика и ограничения

Распределение Парето не универсально. В реальных данных хвост часто оказывается «обрезанным» из-за конечности наблюдаемых значений, а оценки \(\alpha\) чувствительны к выбросам и объёму выборки. Кроме того, для многих явлений лучше подходят другие распределения с тяжёлыми хвостами — логнормальное, Вейбулла, степенные с экспоненциальным затуханием. Выбор модели требует статистической проверки согласия (критерии Колмогорова — Смирнова, Андерсона — Дарлинга).