पेरेटो वितरण

पेरेटो वितरण, जिसका नाम इतालवी सिविल इंजीनियर, अर्थशास्त्री और समाजशास्त्री विल्फ्रेडो पेरेटो के नाम पर रखा गया है |  ), यह शक्ति-कानून संभाव्यता वितरण करती  है जो कि है सामाजिक, गुणवत्ता नियंत्रण, वैज्ञानिक,भूभौतिकीय, बीमांकिक और अनेकअन्य प्रकार की अवलोकन योग्य घटनाओं के विवरण में उपयोग किया जाता है | यह सिद्धांत मूल रूप से किसी समाज में धन के वितरण का वर्णन करने के लिए प्रयुक्त किया गया था, जो इस प्रवृत्ति के अनुरूप है कि धन का बड़ा हिस्सा आबादी के छोटे से हिस्से के पास होता है। पेरेटो सिद्धांत या "80-20 नियम" जिसमें कहा गया है कि 80% परिणाम 20% कारणों से होते हैं, और यह  पेरेटो के सम्मान में निर्दिष्ट किया गया था, किन्तु अवधारणाएं अलग हैं, और केवल लॉग 45 ≈ 1.16 के आकार मान (α) के साथ पेरेटो वितरण इसे स्पष्ट रूप से प्रतिबिंबित करें। और अनुभवजन्य अवलोकन से पता चला है कि यह 80-20 वितरण प्राकृतिक घटनाओं और मानवीय गतिविधियों सहित स्तिथियों की विस्तृत श्रृंखला में स्पष्ट बैठता है।

परिभाषाएँ
यदि X पेरेटो (प्रकार I) वितरण के साथ यादृच्छिक चर है,तब संभावना है कि


 * $$\overline{F}(x) = \Pr(X>x) = \begin{cases}

\left(\frac{x_\mathrm{m}}{x}\right)^\alpha & x\ge x_\mathrm{m}, \\ 1 & x < x_\mathrm{m}, \end{cases} $$

जहां xm X का (आवश्यक रूप से सकारात्मक) न्यूनतम संभव मान है, और α सकारात्मक पैरामीटर होता है। और पेरेटो टाइप  वितरण की विशेषता पैमाने पैरामीटर xm और आकार पैरामीटर α होती है, जिसे टेल इंडेक्स के रूप में जाना जाता है। जब इस वितरण का उपयोग धन के वितरण को मॉडल करने के लिए किया जाता है,तब पैरामीटर α को पेरेटो सूचकांक कहा जाता है।

संचयी वितरण फलन
परिभाषा से, पैरामीटर α और xm के साथ पेरेटो यादृच्छिक चर का संचयी वितरण फलन है


 * $$F_X(x) = \begin{cases}

1-\left(\frac{x_\mathrm{m}}{x}\right)^\alpha & x \ge x_\mathrm{m}, \\ 0 & x < x_\mathrm{m}. \end{cases}$$

संभावना घनत्व फलन
यह इस प्रकार है (विभेदन द्वारा) कि संभाव्यता घनत्व फलन है


 * $$f_X(x)= \begin{cases} \frac{\alpha x_\mathrm{m}^\alpha}{x^{\alpha+1}} & x \ge x_\mathrm{m}, \\ 0 & x < x_\mathrm{m}. \end{cases} $$

जब रैखिक अक्षों पर प्लॉट किया जाता है,तब वितरण परिचित जे-आकार के वक्र को मानता है जो प्रत्येक ऑर्थोगोनल अक्षों पर स्पर्शोन्मुख रूप से पहुंचता है। वक्र के सभी खंड स्व-समान हैं (उचित स्केलिंग कारकों के अधीन)। जब लॉग-लॉग प्लॉट में प्लॉट किया जाता है,तब वितरण को सीधी रेखा द्वारा दर्शाया जाता है।

क्षण और विशेषता कार्य

 * पेरेटो वितरण के बाद यादृच्छिक चर का अपेक्षित मूल्य है
 * $$\operatorname{E}(X)= \begin{cases} \infty & \alpha\le 1, \\
 * $$\operatorname{E}(X)= \begin{cases} \infty & \alpha\le 1, \\

\frac{\alpha x_\mathrm{m}}{\alpha-1} & \alpha>1. \end{cases}$$
 * पेरेटो वितरण के बाद यादृच्छिक चर का प्रसरण है


 * $$\operatorname{Var}(X)= \begin{cases}

\infty & \alpha\in(1,2], \\ \left(\frac{x_\mathrm{m}}{\alpha-1}\right)^2 \frac{\alpha}{\alpha-2} & \alpha>2. \end{cases}$$
 * (यदि α ≤ 1,तब विचरण मौजूद नहीं है।)


 * कच्चा क्षण (गणित) हैं


 * $$\mu_n'= \begin{cases} \infty & \alpha\le n, \\ \frac{\alpha x_\mathrm{m}^n}{\alpha-n} & \alpha>n. \end{cases}$$


 * क्षण उत्पन्न करने वाला कार्य केवल गैर-सकारात्मक मान t ≤ 0 के लिए परिभाषित किया गया है


 * $$M\left(t;\alpha,x_\mathrm{m}\right) = \operatorname{E} \left [e^{tX} \right ] = \alpha(-x_\mathrm{m} t)^\alpha\Gamma(-\alpha,-x_\mathrm{m} t)$$
 * $$M\left(0,\alpha,x_\mathrm{m}\right)=1.$$

इस प्रकार, चूँकि अपेक्षा $$t=0$$ वाले खुले अंतराल पर अभिसरण नहीं होती है, हम कहते हैं कि क्षण उत्पन्न करने वाला फलन मौजूद नहीं है।
 * विशेषता फलन (संभावना सिद्धांत) द्वारा दिया गया हैं


 * $$\varphi(t;\alpha,x_\mathrm{m})=\alpha(-ix_\mathrm{m} t)^\alpha\Gamma(-\alpha,-ix_\mathrm{m} t),$$
 * जहां Γ(a, x) अधूरा गामा फलन है।

क्षणों की विधि (सांख्यिकी) का उपयोग करके मापदंडों को हल किया जा सकता है।

सशर्त वितरण
पेरेटो-वितरित यादृच्छिक चर का सशर्त संभाव्यता वितरण, इस घटना को देखते हुए कि यह किसी विशेष संख्या $$x_1$$ $$x_\text{m}$$ से अधिक या उसके सामान्य है, समान पेरेटो सूचकांक $$\alpha$$ के साथ पेरेटो वितरण है किन्तुन्यूनतम $$x_1$$ के बजाय $$x_\text{m}$$ इसका तात्पर्य है कि सशर्त अपेक्षित मूल्य (यदि यह परिमित है, यानी $$\alpha>1$$ आनुपातिक है $$x_1$$ यादृच्छिक चर के मामले में जो किसी वस्तु के जीवनकाल का वर्णन करता है, इसका मतलब है कि जीवन प्रत्याशा आनुपातिक है उम्र बढ़ने के लिए, और इसे लिंडी प्रभाव या लिंडी का नियम कहा जाता है।

एक लक्षण वर्णन प्रमेय
मान लीजिए$$X_1, X_2, X_3, \dotsc$$ स्वतंत्र समान रूप से वितरित यादृच्छिक चर हैं जिनकी संभाव्यता वितरण कुछ $$x_\text{m}>0$$ के लिए अंतराल $$[x_\text{m},\infty)$$ पर समर्थित है। मान लीजिए कि सभी $$n$$ के लिए दो यादृच्छिक चर$$\min\{X_1,\dotsc,X_n\}$$ और $$(X_1+\dotsb+X_n)/\min\{X_1,\dotsc,X_n\}$$ स्वतंत्र हैं। फिर सामान्य वितरण पेरेटो वितरण है।

ज्यामितीय माध्य
ज्यामितीय माध्य (G) है
 * $$ G = x_\text{m} \exp \left( \frac{1}{\alpha} \right).$$

अनुकूल माध्य
हार्मोनिक माध्य (H) है


 * $$ H = x_\text{m} \left( 1 + \frac{ 1 }{ \alpha } \right).$$

चित्रमय प्रतिनिधित्व
रैखिक पैमाने पर प्लॉट किए जाने पर विशेषता घुमावदार 'लंबी पूंछ' वितरण, लॉग-लॉग ग्राफ़ पर प्लॉट किए जाने पर फलन की अंतर्निहित सादगी को छुपाता है, जो तब नकारात्मक ढाल के साथ सीधी रेखा का रूप लेता है: यह सूत्र से अनुसरण करता है संभाव्यता घनत्व फलन कि x ≥ xm के लिए,


 * $$\log f_X(x)= \log \left(\alpha\frac{x_\mathrm{m}^\alpha}{x^{\alpha+1}}\right) = \log (\alpha x_\mathrm{m}^\alpha) - (\alpha+1) \log x.$$

चूँकि α धनात्मक है, ग्रेडिएंट -(α+1) ऋणात्मक है।

सामान्यीकृत पेरेटो वितरण
पेरेटो वितरण का पदानुक्रम है जिसे पेरेटो प्रकार I, II, III, IV और फेलर-पेरेटो वितरण के रूप में जाना जाता है। पेरेटो टाइप IV में पेरेटो टाइप I-III विशेष स्तिथियों के रूप में शामिल है। फेलर-पेरेटो वितरण पेरेटो प्रकार IV को सामान्यीकृत करता है।

पेरेटो प्रकार I-IV
पेरेटो वितरण पदानुक्रम को उत्तरजीविता कार्यों (पूरक सीडीएफ) की तुलना करते हुए अगली तालिका में संक्षेपित किया गया है।

जब μ = 0, पेरेटो वितरण प्रकार II को लोमैक्स वितरण के रूप में भी जाना जाता है।

इस अनुभाग में, x के न्यूनतम मान को इंगित करने के लिए पहले इस्तेमाल किए गए प्रतीक xm को σ द्वारा प्रतिस्थापित किया गया है।

आकार पैरामीटर α टेल सूचकांक है, μ स्थान है, σ पैमाने है, γ असमानता पैरामीटर है। पेरेटो प्रकार (IV) के कुछ विशेष मामले है


 * $$ P(IV)(\sigma, \sigma, 1, \alpha) = P(I)(\sigma, \alpha),$$
 * $$ P(IV)(\mu, \sigma, 1, \alpha) = P(II)(\mu, \sigma, \alpha),$$
 * $$ P(IV)(\mu, \sigma, \gamma, 1) = P(III)(\mu, \sigma, \gamma).$$

माध्य की परिमितता, और अस्तित्व और विचरण की परिमितता टेल इंडेक्स α (असमानता सूचकांक γ) पर निर्भर करती है। विशेष रूप से, आंशिक δ-क्षण कुछ δ > 0 के लिए सीमित हैं, जैसा कि नीचे दी गई तालिका में दिखाया गया है, जहां δ आवश्यक रूप से पूर्णांक नहीं है।

फेलर-पेरेटो वितरण
फेलर बीटा वितरण यादृच्छिक चर Y के परिवर्तन U = Y−1 − 1 द्वारा पेरेटो चर को परिभाषित करता है, जिसकी संभाव्यता घनत्व फलन है


 * $$ f(y) = \frac{y^{\gamma_1-1} (1-y)^{\gamma_2-1}}{B(\gamma_1, \gamma_2)}, \qquad 00,$$

जहां B बीटा फलन है। अगर


 * $$ W = \mu + \sigma(Y^{-1}-1)^\gamma, \qquad \sigma>0, \gamma>0,$$

तब W के पास फेलर-पेरेटो वितरण FP(μ, σ, γ, γ1, γ2) है।

यदि $$U_1 \sim \Gamma(\delta_1, 1)$$ और $$U_2 \sim \Gamma(\delta_2, 1)$$ स्वतंत्र गामा वितरण चर हैं,तब फेलर-पेरेटो (एफपी) चर का और निर्माण है |
 * $$W = \mu + \sigma \left(\frac{U_1}{U_2}\right)^\gamma$$

और हम W ~ FP(μ, σ, γ, δ1, δ2) लिखते हैं। फेलर-पेरेटो वितरण के विशेष मामले हैं


 * $$FP(\sigma, \sigma, 1, 1, \alpha) = P(I)(\sigma, \alpha)$$
 * $$FP(\mu, \sigma, 1, 1, \alpha) = P(II)(\mu, \sigma, \alpha)$$
 * $$FP(\mu, \sigma, \gamma, 1, 1) = P(III)(\mu, \sigma, \gamma)$$
 * $$FP(\mu, \sigma, \gamma, 1, \alpha) = P(IV)(\mu, \sigma, \gamma, \alpha).$$

व्युत्क्रम-पेरेटो वितरण / विद्युत वितरण
जब यादृच्छिक चर $$Y                                                                                                                                                                                                                                                                                                                                                                                                                                                          $$ पेरेटो वितरण का अनुसरण करता है,तब इसका व्युत्क्रम $$X=1/Y$$ व्युत्क्रम पेरेटो वितरण का अनुसरण करता है। व्युत्क्रम पेरेटो वितरण विद्युत वितरण (सांख्यिकी) के समतुल्य है |
 * $$Y\sim \mathrm{Pa}(\alpha, x_m) = \frac{\alpha x_m^\alpha}{y^{\alpha+1}} \quad (y \ge x_m) \quad \Leftrightarrow \quad X\sim \mathrm{iPa}(\alpha, x_m) = \mathrm{Power}(x_m^{-1}, \alpha) = \frac{\alpha x^{\alpha-1}}{(x_m^{-1})^\alpha} \quad (0< x \le x_m^{-1})$$

घातांकीय वितरण से संबंध
पेरेटो वितरण घातीय वितरण से निम्नानुसार संबंधित है। यदि X न्यूनतम xm और सूचकांक α के साथ पेरेटो-वितरित है, तो


 * $$ Y = \log\left(\frac{X}{x_\mathrm{m}}\right) $$

दर पैरामीटर α के साथ तेजी से वितरित किया जाता है। समान रूप से, यदि Y को दर α के साथ चरघातांकीय रूप से वितरित किया जाता है, तो


 * $$ x_\mathrm{m} e^Y$$

न्यूनतम xm और सूचकांक α के साथ पेरेटो-वितरित है।

इसे मानक परिवर्तन-परिवर्तन तकनीकों का उपयोग करके दिखाया जा सकता है:



\begin{align} \Pr(Y<y) & = \Pr\left(\log\left(\frac{X}{x_\mathrm{m}}\right)<y\right) \\ & = \Pr(X<x_\mathrm{m} e^y) = 1-\left(\frac{x_\mathrm{m}}{x_\mathrm{m}e^y}\right)^\alpha=1-e^{-\alpha y}. \end{align} $$ अंतिम अभिव्यक्ति दर α के साथ घातीय वितरण का संचयी वितरण फलन है।

पेरेटो वितरण का निर्माण पदानुक्रमित घातीय वितरण द्वारा किया जा सकता है। चलो $$\phi | a \sim \text{Exp}(a)$$ और $$\eta | \phi \sim \text{Exp}(\phi) $$। तब हमारे पास $$p(\eta | a) = \frac{a}{(a+\eta)^2}$$ और, परिणाम स्वरूप इसमें ,$$a+\eta \sim \text{Pareto}(a, 1)$$ है।

अधिक,सामान्यतः, यदि $$\lambda \sim \text{Gamma}(\alpha, \beta)$$ (आकार-दर पैरामीट्रिजेशन) और $$\eta | \lambda \sim \text{Exp}(\lambda) $$, तब $$\beta + \eta \sim \text{Pareto}(\beta, \alpha)$$.

समान रूप से, यदि $$Y \sim \text{Gamma}(\alpha,1) $$ और $$X \sim \text{Exp}(1)$$, तब $$x_{\text{m}} \! \left(1 + \frac{X}{Y}\right) \sim \text{Pareto}(x_{\text{m}}, \alpha)$$.

लॉग-[[सामान्य वितरण]] से संबंध
पेरेटो वितरण और लॉग-सामान्य वितरण समान प्रकार की मात्राओं का वर्णन करने के लिए वैकल्पिक वितरण हैं। दोनों के बीच संबंध यह है कि वे दोनों अन्य सामान्य वितरणों के अनुसार वितरित यादृच्छिक चर के घातांक के वितरण हैं, क्रमशः घातीय वितरण और सामान्य वितरण। (पिछला भाग देखें।)

सामान्यीकृत पेरेटो वितरण से संबंध
पेरेटो वितरण सामान्यीकृत पेरेटो वितरण का विशेष मामला है, जो समान रूप के वितरणों का परिवार है, किन्तुइसमें अतिरिक्त पैरामीटर इस तरह से होता है कि वितरण का समर्थन यातब नीचे (एक परिवर्तनीय बिंदु पर) सीमित होता है, या विशेष मामले के रूप में लोमैक्स वितरण के साथ, ऊपर और नीचे (जहां दोनों परिवर्तनशील हैं) दोनों से घिरा हुआ है। इस परिवार में अस्थानांतरित और स्थानांतरित दोनों घातीय वितरण भी शामिल हैं।

पैमाने $$x_m                                                                                                                                                                                                                                                                                                                                                                                                                                                       $$ और आकार $$\alpha                                                                                                                                                                                                                         $$ के साथ पेरेटो वितरण स्थान $$\mu=x_m$$ पैमाने $$\sigma=x_m/\alpha$$ और आकार $$\xi=1/\alpha$$ के साथ सामान्यीकृत पेरेटो वितरण के सामान्य है। इसके विपरीत कोई भी $$x_m = \sigma/\xi$$ द्वारा जीपीडी से पेरेटो वितरण प्राप्त कर सकता है और यह $$\alpha=1/\xi$$. होता हैं|

बंधित पेरेटो वितरण
परिबद्ध (या काटे गए) पेरेटो वितरण के तीन पैरामीटर हैं: α, L और H. जैसा कि मानक पेरेटो वितरण में α आकार निर्धारित करता है। L न्यूनतम मान को दर्शाता है, और H अधिकतम मान को दर्शाता है।

संभाव्यता घनत्व फलन है


 * $$\frac{\alpha L^\alpha x^{-\alpha - 1}}{1-\left(\frac{L}{H}\right)^\alpha}$$,

जहां L ≤ x ≤ H, और α > 0 होता हैं।

परिबद्ध पेरेटो यादृच्छिक चर उत्पन्न करना
यदि यू (0, 1) पर समान वितरण (निरंतर) है,तब व्युत्क्रम-परिवर्तन विधिप्रयुक्त करना

यदि U को समान वितरण (निरंतर) (0, 1), पर वितरित किया जाता है,तब व्युत्क्रम-परिवर्तन विधि प्रयुक्त करना होता हैं |
 * $$U = \frac{1 - L^\alpha x^{-\alpha}}{1 - (\frac{L}{H})^\alpha}$$
 * $$x = \left(-\frac{U H^\alpha - U L^\alpha - H^\alpha}{H^\alpha L^\alpha}\right)^{-\frac{1}{\alpha}}$$

परिबद्ध पेरेटो-वितरित होता है।

सममित पेरेटो वितरण
सममित पेरेटो वितरण और शून्य सममित पेरेटो वितरण का उद्देश्य तीव्र संभाव्यता शिखर और सममित लंबी संभाव्यता पूंछ के साथ कुछ विशेष सांख्यिकीय वितरण को पकड़ना है। ये दोनों वितरण पेरेटो वितरण से प्राप्त हुए हैं। लम्बी संभाव्यता टेल का आम तौर पर अर्थ यह होता है कि संभाव्यता धीरे-धीरे कम होती जाती है। पेरेटो वितरण अनेकमामलों में उचित कार्य करता है। किन्तुयदि वितरण में दो धीमी गति से क्षय होने वाली टेल के साथ सममित संरचना है,तब पेरेटो ऐसा नहीं कर सका। फिर इसके स्थान पर सममित पारेतो या शून्य सममित पारेतो वितरण प्रयुक्त किया जाता है।

सममित पेरेटो वितरण के संचयी वितरण फलन (सीडीएफ) को निम्नलिखित के रूप में परिभाषित किया गया है |

$$F(X) = P(x < X ) = \begin{cases} \tfrac{1}{2}({b \over 2b-X}) ^a & X<b \\ 1- \tfrac{1}{2}(\tfrac{b}{X})^a& X\geq b \end{cases}$$

संबंधित संभाव्यता घनत्व फलन (पीडीएफ) है:

$$p(x) = {ab^a \over 2(b+\left\vert x-b \right\vert)^{a+1}},X\in R$$

इस वितरण के दो पैरामीटर हैं a और b। यह b द्वारा सममित है। तब गणितीय अपेक्षा b है। कब, इसमें निम्नलिखित प्रकार का भिन्नता है:

$$E((x-b)^2)=\int_{-\infty}^{\infty} (x-b)^2p(x)dx={2b^2 \over (a-2)(a-1) }

$$

शून्य सममित पेरेटो (जेडएसपी) वितरण के सीडीएफ को निम्नलिखित के रूप में परिभाषित किया गया है:$$F(X) = P(x < X ) = \begin{cases}\tfrac{1}{2}({b \over b-X}) ^a & X<0 \\1- \tfrac{1}{2}(\tfrac{b}{b+X})^a& X\geq 0 \end{cases}$$

$$F(X) = P(x < X ) = \begin{cases} \tfrac{1}{2}({b \over b-X}) ^a & X<0 \\ 1- \tfrac{1}{2}(\tfrac{b}{b+X})^a& X\geq 0 \end{cases}$$

संबंधित पीडीएफ है:

$$p(x) = {ab^a \over 2(b+\left\vert x \right\vert)^{a+1}},X\in R$$

यह वितरण शून्य से सममित है। पैरामीटर a संभाव्यता की क्षय दर से संबंधित है और (a/2b) संभाव्यता के चरम परिमाण का प्रतिनिधित्व करता है।

बहुभिन्नरूपी पेरेटो वितरण
अविभाज्य पेरेटो वितरण को बहुभिन्नरूपी पेरेटो वितरण तक बढ़ा दिया गया है।

पैरामीटर का अनुमान
पेरेटो वितरण पैरामीटर α और xm के लिए संभावना फलन, स्वतंत्र प्रतिरूप (सांख्यिकी) x = (x1, x2, ..., xn), दिया गया है, है


 * $$L(\alpha, x_\mathrm{m}) = \prod_{i=1}^n \alpha \frac {x_\mathrm{m}^\alpha} {x_i^{\alpha+1}} = \alpha^n x_\mathrm{m}^{n\alpha} \prod_{i=1}^n \frac {1}{x_i^{\alpha+1}}.$$

इसलिए, लघुगणक संभावना फलन है


 * $$\ell(\alpha, x_\mathrm{m}) = n \ln \alpha + n\alpha \ln x_\mathrm{m} - (\alpha + 1) \sum_{i=1} ^n \ln x_i.$$

यह देखा जा सकता है कि $$\ell(\alpha, x_\mathrm{m})$$ xm के साथ नीरस रूप से बढ़ रहा है, अर्थात,xm का मान जितना अधिक होगा, संभावना फलन का मान उतना ही अधिक होगा। इसलिए, चूँकि x ≥ xm, हम यह निष्कर्ष निकालते हैं


 * $$\widehat x_\mathrm{m} = \min_i {x_i}.$$

α के लिए अनुमानक खोजने के लिए, हम संबंधित आंशिक व्युत्पन्न की गणना करते हैं और निर्धारित करते हैं कि यह शून्य कहां पर होता है|


 * $$\frac{\partial \ell}{\partial \alpha} = \frac{n}{\alpha} + n \ln x_\mathrm{m} - \sum _{i=1}^n \ln x_i = 0.$$

इस प्रकार α के लिए अधिकतम संभावना अनुमानक है|


 * $$\widehat \alpha = \frac{n}{\sum _i \ln (x_i/\widehat x_\mathrm{m}) }.$$

इस प्रकार अपेक्षित सांख्यिकीय में त्रुटि होती है:
 * $$\sigma = \frac {\widehat \alpha} {\sqrt n}. $$

मलिक (1970) $$(\hat{x}_\mathrm{m},\hat\alpha)$$ का स्पष्ट संयुक्त वितरण देता है। विशेष रूप से, $$\hat{x}_\mathrm{m}$$ और $$\hat\alpha$$ स्वतंत्रता (संभावना सिद्धांत) होता हैं और इस प्रकार $$\hat{x}_\mathrm{m}$$स्केल पैरामीटर xm और आकार पैरामीटर nα के साथ पेरेटो है, जबकि $$\hat\alpha$$ में आकार और स्केल पैरामीटर n − 1 और nα, के साथ व्युत्क्रम-गामा वितरण है ,) क्रमश इस प्रकर होता हैं।

सामान्य
विल्फ्रेडो पेरेटो ने मूल रूप से इस वितरण का उपयोग व्यक्तियों के बीच धन के आवंटन का वर्णन करने के लिए किया था क्योंकि यह काफी अच्छी तरह से दिखाता था कि किसी भी समाज की संपत्ति का बड़ा हिस्सा उस समाज के छोटे प्रतिशत लोगों के स्वामित्व में है। उन्होंने इसका उपयोग आय के वितरण का वर्णन करने के लिए भी किया। इस विचार को कभी-कभी पेरेटो सिद्धांत या "80-20 नियम" के रूप में अधिक सरलता से व्यक्त किया जाता है जो कहता है कि 20% आबादी 80% धन को नियंत्रित करती है। चूँकि, 80-20 नियम α के विशेष मूल्य से मेल खाता है, और वास्तव में, पेरेटो के कोर्ट्स डी इकोनोमी पॉलिटिक में ब्रिटिश आय करों पर डेटा इंगित करता है कि लगभग 30% आबादी के पास लगभग 70% आय थी। आवश्यक] इस लेख की शुरुआत में संभाव्यता घनत्व फलन (पीडीएफ) ग्राफ से पता चलता है कि जनसंख्या का "संभावना" या अंश जिसके पास प्रति व्यक्ति थोड़ी मात्रा में धन है, वह काफी अधिक है, और फिर धन बढ़ने के साथ लगातार घटता जाता है। (चूँकि, पेरेटो वितरण निचले तबके के लिए धन के लिए यथार्थवादी नहीं है। वास्तव में, निवल मूल्य नकारात्मक भी हो सकता है।) यह वितरण केवल धन या आय का वर्णन करने तक ही सीमित नहीं है, बल्कि अनेकस्थितियों तक है जिसमें संतुलन पाया जाता है "छोटे" से "बड़े" का वितरण। निम्नलिखित उदाहरणों को कभी-कभी लगभग पेरेटो-वितरित के रूप में देखा जाता है:


 * मानव बस्तियों का आकार (कुछ शहर, अनेकबस्तियाँ/गाँव)
 * इंटरनेट ट्रैफ़िक का फ़ाइल आकार वितरण जो टीसीपी प्रोटोकॉल का उपयोग करता है और (अनेक छोटी फ़ाइलें, और कुछ बड़ी) *
 * हार्ड डिस्क ड्राइव त्रुटि दर
 * बोस-आइंस्टीन के समूह परम शून्य के निकट संघनित होते हैं |
 * CumFreq का उपयोग करके अधिकतम दिवसीय वर्षा के लिए संचयी पेरेटो (लोमैक्स) वितरण फिटिंग करें, वितरण फिटिंग भी देखें


 * तेल क्षेत्रों में तेल भंडार का मूल्य (कुछ विशाल तेल और गैस क्षेत्र, अनेक स्ट्रिपर कुएं) *
 * सुपर कंप्यूटरों को सौंपे गए कार्यों में लंबाई वितरण (कुछ बड़े वाले, अनेक छोटे वाले)
 * व्यक्तिगत स्टॉक पर मानकीकृत मूल्य रिटर्न *
 * रेत के कणों का आकार *
 * उल्कापिंड का आकार
 * सामान्य दायित्व, वाणिज्यिक ऑटो और श्रमिकों के मुआवजे जैसे व्यवसाय के कुछ क्षेत्रों के लिए बड़ी हताहत (व्यक्ति) हानि की गंभीरता।
 * स्टीम (सेवा) पर उपयोगकर्ता द्वारा विभिन्न गेम खेलने में कितना समय बिताया गया । (कुछ गेम बहुत खेले जाते हैं, किन्तुअधिकांश लगभग कभी नहीं खेले जाते।)
 * जल विज्ञान में पेरेटो वितरण को चरम घटनाओं जैसे वार्षिक अधिकतम दिवसीय वर्षा और नदी निर्वहन परप्रयुक्त किया जाता है।
 * नीली तस्वीर पेरेटो वितरण को वार्षिक अधिकतम दिवसीय वर्षा के अनुसार स्पष्ट करने का उदाहरण दिखाती है, जो द्विपद वितरण के आधार पर 90% आत्मविश्वास बेल्ट भी दिखाती है। संचयी आवृत्ति विश्लेषण के भाग के रूप में वर्षा के आंकड़ों को प्लॉटिंग स्थितियों द्वारा दर्शाया जाता है।
 * विद्युत उपयोगिता वितरण विश्वसनीयता में (किसी दिए गए वर्ष में लगभग 20% दिनों में 80% ग्राहक मिनट बाधित होते हैं)।

जिपफ के नियम से संबंध
पेरेटो वितरण सतत संभाव्यता वितरण है। जिपफ का नियम, जिसे कभी-कभी जीटा वितरण भी कहा जाता है, अलग वितरण है, जो मूल्यों को सरल रैंकिंग में अलग करता है। दोनों नकारात्मक घातांक के साथ सरल शक्ति कानून हैं, जिसे पैमाने में किया गया है ताकि उनका संचयी वितरण 1 के सामान्य हो। जिपफ को पेरेटो वितरण से प्राप्त किया जा सकता है यदि $$x                                                                                                                                                                                                                               $$ मान (आय) को $$N                                                                                                                                                                                                                              $$ रैंक में जोड़ दिया जाए ताकि लोगों की संख्या प्रत्येक बिन में 1 रैंक पैटर्न का पालन किया जाता है। वितरण को $$x                                                                                                                                                                                                                                $$ परिभाषित करके सामान्यीकृत किया जाता है ताकि $$x_m$$जहां $$\alpha x_\mathrm{m}^\alpha = \frac{1}{H(N,\alpha-1)}$$ सामान्यीकृत कहाँ $$H(N,\alpha-1)$$ हार्मोनिक संख्या होती हैं। यह Zipf के संभाव्यता घनत्व फ़ंक्शन को पेरेटो से व्युत्पन्न बनाता है।


 * $$f(x) = \frac{\alpha x_\mathrm{m}^\alpha}{x^{\alpha+1}} = \frac{1}{x^s H(N,s)}$$

जहां$$s = \alpha-1$$ और $$x                                                                                                                                                                                                                           $$ 1 से N तक रैंक का प्रतिनिधित्व करने वाला पूर्णांक है जहां N उच्चतम आय वर्ग है।तब किसी जनसंख्या (या भाषा, इंटरनेट, या देश) से उत्तम ढंग से चुने गए व्यक्ति (या शब्द, वेबसाइट लिंक, या शहर) की रैंकिंग $$x$$ होने की संभावना $$f(x)                                                                                                                                                                                                                        $$ है।

पेरेटो सिद्धांत से संबंध
पेरेटो सिद्धांत|80-20 कानून, जिसके अनुसार सभी लोगों में से 20% को सभी आय का 80% प्राप्त होता है, और सबसे समृद्ध 20% में से 20% को उस 80% का 80% प्राप्त होता है, और इसी तरह, ठीक तबप्रयुक्त होता है जब पेरेटो सूचकांक है $$\alpha = \log_4 5 = \cfrac{\log_{10} 5}{\log_{10} 4} \approx 1.161$$. यह परिणाम नीचे दिए गए लोरेंज वक्र सूत्र से प्राप्त किया जा सकता है। इसके अलावा, निम्नलिखित दिखाया गया है गणितीय रूप से समतुल्य होना:
 * आय को पेरेटो वितरण के अनुसार सूचकांक α > 1 के अनुसार वितरित किया जाता है।
 * कुछ ऐसी संख्या है 0 ≤ p ≤ 1/2 जिससे सभी लोगों में से 100p % को सभी आय का 100(1 − p)% प्राप्त होता है, और इसी तरह प्रत्येक वास्तविक (जरूरी नहीं कि पूर्णांक) n > 0, 100p के लिएn% सभी लोगों को 100(1 -पी) प्राप्त होता हैnसभी आय का प्रतिशत। α और p किससे संबंधित हैं?
 * $$1-\frac{1}{\alpha}=\frac{\ln(1-p)}{\ln(p)}=\frac{\ln((1-p)^n)}{\ln(p^n)}$$

यह केवल आय पर हीप्रयुक्त नहीं होता है, बल्कि धन, या किसी अन्य चीज़ पर भीप्रयुक्त होता है जिसे इस वितरण द्वारा प्रतिरूपित किया जा सकता है।

इसमें पेरेटो वितरण शामिल नहीं है जिसमें 0 < α ≤ 1, जैसा कि ऊपर बताया गया है, अनंत अपेक्षित मूल्य है, और इसलिए उचित रूप से आय वितरण को मॉडल नहीं कर सकता है।

मूल्य के नियम से संबंध
डेरेक जे. डी सोला प्राइसयावैज्ञानिक योगदान|प्राइस का वर्गमूल नियम कभी-कभी पेरेटो वितरण की संपत्ति के रूप में या उसके समान पेश किया जाता है। चूँकि, कानून केवल उस मामले में ही मान्य है $$\alpha=1$$. ध्यान दें कि इस मामले में, धन की कुल और अपेक्षित मात्रा परिभाषित नहीं की गई है, और नियम केवल यादृच्छिक नमूनों पर स्पर्शोन्मुख रूप सेप्रयुक्त होता है। ऊपर उल्लिखित विस्तारित पेरेटो सिद्धांत कहीं अधिक सामान्य नियम है।

लोरेंज़ वक्र और गिनी गुणांक
लोरेन्ज़ वक्र का उपयोग अक्सर आय और धन वितरण को चिह्नित करने के लिए किया जाता है। किसी भी वितरण के लिए, लॉरेंज वक्र एल(एफ) को पीडीएफ एफ या सीडीएफ एफ के रूप में लिखा जाता है


 * $$L(F)=\frac{\int_{x_\mathrm{m}}^{x(F)}xf(x)\,dx}{\int_{x_\mathrm{m}}^\infty xf(x)\,dx} =\frac{\int_0^F x(F')\,dF'}{\int_0^1 x(F')\,dF'}$$

जहां x(F) CDF का व्युत्क्रम है। पेरेटो वितरण के लिए,


 * $$x(F)=\frac{x_\mathrm{m}}{(1-F)^{\frac{1}{\alpha}}}$$

और लोरेन्ज़ वक्र की गणना की जाती है


 * $$L(F) = 1-(1-F)^{1-\frac{1}{\alpha}},$$

के लिए $$0<\alpha\le 1$$ हर अनंत है, जिससे L=0 प्राप्त होता है। अनेकपेरेटो वितरणों के लिए लॉरेन्ज़ वक्र के उदाहरण दाईं ओर ग्राफ़ में दिखाए गए हैं।

ऑक्सफेम (2016) के अनुसार सबसे अमीर 62 लोगों के पास दुनिया की सबसे गरीब आधी आबादी के सामान्य संपत्ति है। हम पेरेटो सूचकांक का अनुमान लगा सकते हैं जो इस स्थिति परप्रयुक्त होगा। ε को सामान्य देना $$62/(7\times 10^9)$$ अपने पास:
 * $$L(1/2)=1-L(1-\varepsilon)$$

या
 * $$1-(1/2)^{1-\frac{1}{\alpha}}=\varepsilon^{1-\frac{1}{\alpha}}$$

समाधान यह है कि α लगभग 1.15 के सामान्य है, और लगभग 9% संपत्ति दोनों समूहों में से प्रत्येक के पास है। किन्तुवास्तव में दुनिया की सबसे गरीब 69% वयस्क आबादी के पास केवल 3% संपत्ति है। गिनी गुणांक समवितरण रेखा से लोरेंज वक्र के विचलन का माप है जो [0,0] और [1,1] को जोड़ने वाली रेखा है, जिसे लोरेंज प्लॉट में काले (α=∞) में दिखाया गया है। सही। विशेष रूप से, गिनी गुणांक लोरेंज वक्र और समान वितरण रेखा के बीच के क्षेत्र का दोगुना है। पेरेटो वितरण के लिए गिनी गुणांक की गणना तब की जाती है (के लिए)। $$\alpha\ge 1$$) होना


 * $$G = 1-2 \left (\int_0^1L(F) \, dF \right ) = \frac{1}{2\alpha-1}$$

(एबर्ज 2005 देखें)।

यादृच्छिक भिन्न पीढ़ी
व्युत्क्रम परिवर्तन नमूनाकरण का उपयोग करके यादृच्छिक नमूने उत्पन्न किए जा सकते हैं। इकाई अंतराल (0,1] पर समान वितरण (निरंतर) से खींचे गए यादृच्छिक चर यू को देखते हुए, चर टी द्वारा दिया गया है


 * $$T=\frac{x_\mathrm{m}}{U^{1/\alpha}}$$

पेरेटो-वितरित है। यदि यू को [0, 1) पर समान रूप से वितरित किया जाता है,तब इसे (1-यू) के साथ बदला जा सकता है।

यह भी देखें

 * ब्रैडफोर्ड का नियम
 * गुटेनबर्ग-रिक्टर कानून
 * मैथ्यू प्रभाव
 * पेरेटो विश्लेषण
 * पेरेटो दक्षता
 * पेरेटो इंटरपोलेशन
 * शक्ति कानूनयाशक्ति-कानून संभाव्यता वितरण
 * स्टर्जन का नियम
 * ट्रैफ़िक जनरेशन मॉडल
 * जिपफ का नियम
 * भारी पूंछ वाला वितरण

टिप्पणियाँ




बाहरी संबंध





 * syntraf1.c is a C program to generate synthetic packet traffic with bounded Pareto burst size and exponential interburst time.