Распределение Парето

Распределение Парето (также распределение с тяжёлым хвостом, степенное распределение) — это непрерывное распределение вероятностей, используемое для моделирования явлений, в которых небольшое количество событий или объектов оказывает непропорционально большое влияние на общий результат. В основе распределения лежит эмпирическое наблюдение, известное как принцип Парето или «правило 80/20», согласно которому примерно 80 % следствий обусловлены 20 % причин. Распределение широко применяется в экономике, страховании, теории надёжности, физике и других областях для описания размеров доходов, частоты природных катастроф, времени безотказной работы сложных систем и распределения размеров городов.

История

Распределение названо в честь итальянского инженера, экономиста и социолога Вильфредо Парето (1848–1923). В конце XIX века, изучая распределение богатства в различных странах, Парето обнаружил, что количество людей с доходом, превышающим определённый уровень, убывает по степенному закону. В 1896 году он опубликовал работу «Курс политической экономии», где впервые математически описал эту закономерность. Первоначально Парето полагал, что найденное распределение является универсальным для всех обществ, однако последующие исследования показали, что точный параметр формы может варьироваться.

В XX веке распределение Парето получило развитие в работах таких учёных, как Бенуа Мандельброт, который применил его для анализа финансовых рынков и фрактальных структур, и Джордж Кингсли Зипф, который независимо открыл аналогичный закон для частоты слов в текстах (закон Зипфа). В 1950–1960-х годах распределение стало активно использоваться в теории надёжности для моделирования отказов механических и электронных систем.

Определение и формулировка

Распределение Парето задаётся двумя параметрами: минимальным значением \( x_m > 0 \) (параметр масштаба) и показателем формы \( \alpha > 0 \) (параметр хвоста). Функция плотности вероятности (PDF) имеет вид:

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

Функция распределения (CDF) выражается как:

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

Математическое ожидание существует только при \( \alpha > 1 \) и равно \( \frac{\alpha x_m}{\alpha - 1} \). Дисперсия конечна при \( \alpha > 2 \). При \( \alpha \le 1 \) среднее значение бесконечно, что отражает «тяжёлый» характер хвоста распределения — вероятность экстремально больших значений убывает медленно.

Принцип Парето (правило 80/20)

Эмпирическое правило, связываемое с распределением Парето, гласит, что 80 % результатов (например, доходов, продаж, усилий) обусловлены 20 % причин (например, клиентов, товаров, времени). Это следствие степенного убывания хвоста: для распределения с \( \alpha \approx 1.16 \) доля значений выше порога \( x_m \) составляет 20 %, а суммарная доля этих значений — около 80 %. На практике точные пропорции могут отличаться, но общая закономерность сохраняется.

Свойства

• Тяжёлый хвост: вероятность больших значений убывает по степенному закону, а не экспоненциально, как в нормальном распределении. Это делает распределение Парето чувствительным к выбросам.
• Масштабная инвариантность: при умножении случайной величины на константу распределение остаётся паретовским с тем же параметром формы \( \alpha \).
• Отсутствие моментов высших порядков: при малых \( \alpha \) моменты (например, дисперсия) могут быть бесконечными, что усложняет статистический анализ.
• Устойчивость к суммированию: сумма независимых паретовских случайных величин с одинаковым \( \alpha \) также подчиняется распределению Парето (в пределе больших значений).

Классификация и разновидности

В зависимости от области применения выделяют несколько обобщений распределения Парето:

• Двухпараметрическое распределение Парето — классический вариант с параметрами \( x_m \) и \( \alpha \).
• Трёхпараметрическое распределение Парето — добавляет параметр сдвига \( \mu \), что позволяет моделировать данные, начинающиеся не с нуля.
• Обобщённое распределение Парето (GPD) — используется в теории экстремальных значений для моделирования превышений над порогом. Включает параметр формы \( \xi \), который при \( \xi > 0 \) соответствует распределению Парето с хвостом.
• Распределение Парето с усечением — применяется, когда значения ограничены сверху (например, в задачах страхования).

Применение

Экономика и финансы

Распределение Парето традиционно используется для описания распределения доходов и богатства. Исследования показывают, что доходы наиболее обеспеченных слоёв населения (обычно верхние 1–5 %) хорошо аппроксимируются степенным законом. В финансах распределение применяется для моделирования крупных убытков (например, в портфельных рисках) и экстремальных изменений цен на фондовых рынках.

Страхование и актуарные расчёты

В страховании распределение Парето моделирует размеры крупных страховых выплат (например, по автострахованию, страхованию имущества от стихийных бедствий). Оно позволяет оценивать вероятность катастрофических убытков и рассчитывать страховые резервы.

Теория надёжности

В инженерных приложениях распределение Парето описывает время до отказа механических систем, особенно в условиях износа. Например, время наработки на отказ некоторых типов подшипников или электронных компонентов подчиняется паретовскому закону.

Физика и геофизика

Распределение Парето применяется для моделирования размеров космических тел (астероиды, метеориты), силы землетрясений (закон Гутенберга — Рихтера), частоты лесных пожаров и наводнений. В этих явлениях наблюдается степенная зависимость между частотой и магнитудой события.

Социология и лингвистика

Закон Зипфа, частный случай распределения Парето, описывает частоту употребления слов в текстах: наиболее частое слово встречается примерно вдвое чаще, чем второе по частоте, и так далее. Аналогичные закономерности обнаружены в распределении размеров городов, числа цитирований научных статей и количества ссылок на веб-сайты.

Критика и ограничения

Несмотря на широкое применение, распределение Парето имеет ряд недостатков:

• Чувствительность к оценке параметров: даже небольшие ошибки в определении \( x_m \) или \( \alpha \) могут сильно исказить прогнозы, особенно для хвостовой части распределения.
• Неприменимость для малых выборок: для надёжной оценки параметров требуется большое количество данных, особенно в области экстремальных значений.
• Идеализация реальности: реальные данные часто отклоняются от чистого степенного закона на всём диапазоне значений. Например, распределение доходов в нижней части шкалы лучше описывается логнормальным распределением.
• Отсутствие универсальности: принцип 80/20 не является строгим законом — в разных системах пропорции могут варьироваться от 70/30 до 95/5.

Интересные факты

• Вильфредо Парето первоначально обнаружил закономерность, изучая распределение земельной собственности в Италии. Он показал, что 20 % населения владеют 80 % земли.
• Распределение Парето является частным случаем обобщённого распределения Парето, которое, в свою очередь, входит в семейство распределений экстремальных значений.
• В современной науке распределение Парето часто используется для анализа «чёрных лебедей» — редких, но крайне значимых событий (финансовые кризисы, природные катастрофы).

Источники

• Pareto, V. (1896). Cours d'économie politique. Lausanne: F. Rouge.
• Mandelbrot, B. (1963). «The Variation of Certain Speculative Prices». Journal of Business, 36(4), 394–419.
• Clauset, A., Shalizi, C. R., & Newman, M. E. J. (2009). «Power-law distributions in empirical data». SIAM Review, 51(4), 661–703.
• Embrechts, P., Klüppelberg, C., & Mikosch, T. (1997). Modelling Extremal Events for Insurance and Finance. Springer.
• Новиков, А. М. (2012). Теория вероятностей и математическая статистика. М.: Физматлит.