Распределение Пирсона

Распределение Пирсона — это система непрерывных распределений вероятностей, предложенная английским математиком Карлом Пирсоном в 1895—1916 годах. Система охватывает широкий класс кривых, описывающих различные формы плотности вероятности, включая нормальное, бета-, гамма-, t-распределения Стьюдента и многие другие. Распределения Пирсона используются для аппроксимации эмпирических данных, моделирования в статистике, финансах, биологии и инженерных науках.

История

Система распределений Пирсона была разработана в рамках работ Карла Пирсона по математической статистике и теории эволюции. В 1895 году Пирсон опубликовал статью «Contributions to the Mathematical Theory of Evolution. II. Skew Variation in Homogeneous Material», в которой впервые представил семейство кривых, описывающих асимметричные вариации. Позднее, в 1901 и 1916 годах, он расширил систему, добавив новые типы распределений. Основной целью Пирсона было создание гибкой модели, способной описывать реальные статистические данные, которые часто не соответствуют нормальному распределению.

Определение и классификация

Распределения Пирсона задаются решением дифференциального уравнения:

\[ \frac{d f(x)}{dx} = \frac{(x - a) f(x)}{b_0 + b_1 x + b_2 x^2} \]

где \( f(x) \) — плотность вероятности, \( a \) — параметр сдвига, а \( b_0, b_1, b_2 \) — параметры, определяющие форму распределения. В зависимости от значений параметров, распределения делятся на 12 типов (I–XII), каждый из которых соответствует определённому виду кривой.

Типы распределений

• Тип I (бета-распределение): плотность имеет вид \( f(x) \propto (x - L)^{p-1} (U - x)^{q-1} \) на конечном интервале \([L, U]\). Используется для моделирования ограниченных данных, например, долей или процентов.
• Тип II (симметричное бета-распределение): частный случай типа I при \( p = q \). Описывает симметричные вариации на конечном интервале.
• Тип III (гамма-распределение): плотность \( f(x) \propto (x - \mu)^{p-1} e^{-(x - \mu)/\beta} \) для \( x > \mu \). Применяется для моделирования времени ожидания, страховых убытков и других положительных величин.
• Тип IV: плотность \( f(x) \propto (1 + (x - \mu)^2 / \sigma^2)^{-m} e^{-\nu \arctan((x - \mu)/\sigma)} \). Используется для описания асимметричных данных с «тяжёлыми» хвостами, например, в финансовых доходностях.
• Тип V (обратное гамма-распределение): плотность \( f(x) \propto x^{-p-1} e^{-1/(\beta x)} \) для \( x > 0 \). Применяется в байесовской статистике и теории надёжности.
• Тип VI (распределение Фишера — Снедекора): плотность \( f(x) \propto x^{p-1} (1 + x)^{-p-q} \) для \( x > 0 \). Используется в дисперсионном анализе.
• Тип VII (t-распределение Стьюдента): плотность \( f(x) \propto (1 + x^2 / \nu)^{-(\nu+1)/2} \). Применяется для проверки гипотез о средних при малых выборках.
• Тип VIII и Тип IX: специальные случаи, связанные с равномерным и степенным распределениями.
• Тип X (экспоненциальное распределение): плотность \( f(x) \propto e^{-x/\lambda} \) для \( x > 0 \). Моделирует время между событиями в пуассоновских процессах.
• Тип XI (распределение Парето): плотность \( f(x) \propto x^{-\alpha - 1} \) для \( x > x_{\min} \). Описывает распределение доходов, размеров городов и других величин с «тяжёлыми» хвостами.
• Тип XII: обобщённый случай, включающий распределения с двумя модами.

Параметры и свойства

Распределения Пирсона характеризуются четырьмя основными параметрами: средним (\( \mu \)), дисперсией (\( \sigma^2 \)), асимметрией (\( \gamma_1 \)) и эксцессом (\( \gamma_2 \)). Асимметрия и эксцесс определяют форму кривой и позволяют классифицировать распределение по типу. Например, нормальное распределение (частный случай типа VII) имеет \( \gamma_1 = 0 \) и \( \gamma_2 = 0 \). Для бета-распределения (тип I) асимметрия может быть положительной или отрицательной, а эксцесс — меньше 3.

Моменты

Моменты распределений Пирсона могут быть вычислены через параметры уравнения. В общем случае, \( k \)-й центральный момент \( \mu_k \) выражается рекуррентно. Для типов I–VII моменты существуют при определённых ограничениях на параметры. Например, для типа III (гамма-распределение) все моменты конечны, а для типа XI (Парето) — только до порядка \( \alpha - 1 \).

Применение

Статистика и эконометрика

Распределения Пирсона широко используются для аппроксимации эмпирических распределений, особенно когда данные не подчиняются нормальному закону. Например, в финансовой математике тип IV применяется для моделирования доходностей активов с «тяжёлыми» хвостами. В страховом деле гамма-распределение (тип III) используется для оценки убытков.

Биология и медицина

В биометрии распределения Пирсона применяются для анализа морфологических признаков, таких как размеры организмов или время реакции. В эпидемиологии тип I (бета-распределение) моделирует долю инфицированных в популяции.

Инженерные науки

В теории надёжности обратное гамма-распределение (тип V) используется для описания времени отказов сложных систем. В гидрологии распределение Парето (тип XI) применяется для анализа экстремальных осадков.

Компьютерное моделирование

Распределения Пирсона используются в методах Монте-Карло для генерации случайных чисел с заданными моментами. Например, в пакетах статистического анализа (R, Python, MATLAB) реализованы функции для генерации выборок из различных типов системы Пирсона.

Критика и ограничения

Система распределений Пирсона подвергалась критике за сложность классификации и необходимость подбора параметров. В отличие от более современных методов (например, обобщённых аддитивных моделей или непараметрических оценок), распределения Пирсона требуют априорного предположения о форме кривой. Кроме того, некоторые типы (например, тип IV) имеют сложные выражения для плотности, что затрудняет их аналитическое использование. Однако благодаря гибкости и исторической значимости система остаётся востребованной в прикладной статистике.

Интересные факты

• Карл Пирсон разработал систему, анализируя реальные данные, включая рост матерей и дочерей, а также размеры черепов.
• Распределение Пирсона типа VII (t-распределение Стьюдента) было независимо открыто Уильямом Госсетом (псевдоним «Стьюдент») в 1908 году.
• В 1960-х годах советский математик А. Н. Колмогоров предложил обобщение системы Пирсона для многомерных случаев.

Источники

• Pearson, K. (1895). «Contributions to the Mathematical Theory of Evolution. II. Skew Variation in Homogeneous Material». Philosophical Transactions of the Royal Society of London A, 186, 343–414.
• Pearson, K. (1901). «Mathematical Contributions to the Theory of Evolution. X. Supplement to a Memoir on Skew Variation». Philosophical Transactions of the Royal Society of London A, 197, 443–459.
• Johnson, N. L., Kotz, S., & Balakrishnan, N. (1994). «Continuous Univariate Distributions» (Vol. 1, 2nd ed.). Wiley.
• Kendall, M. G., & Stuart, A. (1977). «The Advanced Theory of Statistics» (Vol. 1, 4th ed.). Charles Griffin.
• Колмогоров, А. Н. (1960). «О представлении непрерывных распределений». Теория вероятностей и её применения, 5(3), 249–258.