On classes of distributions on the unit interval: structural properties and application to inequality data

यहाँ विला और अन्य लेखकों के शोध पत्र "On classes of distributions on the unit interval: structural properties and application to inequality data" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यूनिट इंटरवल $(0, 1)$ पर आधारित संभाव्यता वितरण (probability distributions) अर्थशास्त्र, विश्वसनीयता (reliability), और प्राकृतिक विज्ञान जैसे क्षेत्रों में अत्यंत आवश्यक हैं। बेटा (Beta) और कुमारस्वामी (Kumaraswamy) जैसे पारंपरिक मॉडल अपनी लचीलेपन के कारण व्यापक रूप से उपयोग किए जाते हैं। हालाँकि, लेखक तर्क देते हैं कि अधिकांश मौजूदा मॉडल फेनोमेनोलॉजिकल (phenomenological) हैं, जिसका अर्थ है कि उन्हें केवल आकार-फिटिंग (shape-fitting) क्षमताओं के लिए चुना जाता है, लेकिन उनमें शास्त्रीय आर्थिक असमानता उपायों (जैसे गिनी और एटकिंसन सूचकांक) के अंतर्निहित स्टोकेस्टिक तंत्र (stochastic mechanisms) के साथ गहरा सैद्धांतिक संबंध नहीं होता है।

यह शोध पत्र ऐसे यूनिट-इंटरवल वितरणों की आवश्यकता को संबोधित करता है जो:

1. मौलिक स्टोकेस्टिक प्रक्रियाओं (विशेष रूप से गामा वेरिएबल्स के अनुपात) से व्युत्पन्न हों।
2. असमानता सूचकांकों के साथ एक सीधा सैद्धांतिक संबंध प्रदान करें।
3. गैर-इनजेक्टिव रूपांतरणों (non-injective transformations) के माध्यम से लचीले आकार (द्वि-मोडलिटी और विषमता सहित) प्रदान करें।

2. कार्यप्रणाली (Methodology)

2.1 मॉडल निर्माण (Model Construction)

लेखक दो नए यादृच्छिक चर (random variables), $W$ और $Z$, को दो स्वतंत्र गामा-वितरित यादृच्छिक चरों $X \sim \text{Gamma}(\alpha_1, \lambda_1)$ और $Y \sim \text{Gamma}(\alpha_2, \lambda_2)$ के अनुपात पर गैर-इनजेक्टिव रूपांतरण लागू करके परिभाषित करते हैं।

माना $U = \frac{X}{X+Y}$। लेखक $r > 0$ द्वारा पैरामीटराइज्ड दो रूपांतरण फलन (transformation functions) पेश करते हैं:

• रूपांतरण $S_r$: $S_r(u) = [1 - 4u(1-u)]^r$
• रूंतरण $T_r$: $T_r(u) = 1 - [4u(1-u)]^r$

नए यादृच्छिक चर इस प्रकार परिभाषित हैं:

• $W = S_r\left(\frac{X}{X+Y}\right) = \left(\frac{Y-X}{X+Y}\right)^{2r}$
• $Z = T_r\left(\frac{X}{X+Y}\right) = 1 - \frac{(XY)^r}{[\frac{1}{2}(X+Y)]^{2r}}$

विशेष मामला ($r=1/2$):
जब $r=1/2$ होता है, तो ये चर $n=2$ के नमूने के लिए शास्त्रीय असमानता सूचकांकों के नमूना-आधारित अनुमानकों (sample-based estimators) के अनुरूप होते हैं:

• $W = \frac{|X-Y|}{X+Y}$ गिनी गुणांक (Gini coefficient) अनुमानक के अनुरूप है।
• $Z = 1 - \frac{\sqrt{XY}}{\frac{1}{2}(X+Y)}$ एटकिंसन सूचकांक (Atkinson index) अनुमानक के अनुरूप है।

2.2 सैद्धांतिक व्युत्पत्ति (Theoretical Derivations)

शोध पत्र $W$ और $Z$ की पूर्ण संभाव्यता संरचना को व्युत्पन्न करता है:

• संभाव्यता घनत्व फलन (PDF) और संचयी वितरण फलन (CDF): $X/(X+Y)$ के घनत्व (जो एक सामान्यीकृत बेटा वितरण का अनुसरण करता है) का उपयोग करके क्लोज्ड-फॉर्म अभिव्यक्तियाँ व्युत्पन्न की गई हैं। PDFs में फलन $G(x)$ शामिल है, जो अंतर्निहित गामा घनत्वों के पदों को जोड़ता है।
• क्वांटाइल फलन (Quantile Functions): संख्यात्मक व्युत्क्रमण (numerical inversion) की आवश्यकता वाले निहित सूत्र प्रदान किए गए हैं।
• रॉ मोमेंट्स (Raw Moments): $n$-वें रॉ मोमेंट्स के लिए सामान्य इंटीग्रल अभिव्यक्तियाँ दी गई हैं। लेखक निम्नलिखित के लिए विशिष्ट क्लोज-फॉर्म विश्लेषणात्मक अभिव्यक्तियाँ व्युत्पन्न करते हैं:
  • जब $r=1/2$ हो और $\lambda_1, \lambda_2$ पर विशिष्ट शर्तें लागू हों, तब $W$ का प्रथम मोमेंट।
  • जब $r=1/2$ हो, तब $Z$ का प्रथम मोमेंट।
  • जब $r \in \mathbb{N}$ और $\lambda_1 = \lambda_2$ हो, तब दोनों मॉडलों के लिए $n$-वाँ मोमेंट।
• अधिकतम संभावना अनुमान (Maximum Likelihood Estimation - MLE): दोनों मॉडलों के लिए लॉग-लाइक्लीहुड कार्यों को सूत्रबद्ध किया गया है। पैरामीटर्स $(\alpha_1, \alpha_2, \lambda_1, \lambda_2, r)$ के सापेक्ष आंशिक डेरिवेटिव्स व्युत्पन्न किए गए हैं, जिससे गैर-रेखीय समीकरणों का एक निकाय प्राप्त होता है जिसे संख्यात्मक रूप से (L-BFGS-B एल्गोरिदम का उपयोग करके) हल किया जाता है।

3. मुख्य योगदान (Key Contributions)

1. नवीन वितरण परिवार: गामा अनुपातों के माध्यम से गैर-इनजेक्टिव रूपांतरणों से प्राप्त यूनिट इंटरवल पर दो 5-पैरामीटर परिवारों ($W$ और $Z$) का परिचय।
2. असमानता से सैद्धांतिक संबंध: एक कठोर गणितीय संबंध स्थापित करना जहाँ विशिष्ट पैरामीटर सेटिंग्स ($r=1/2$) गिनी और एटकिंसन सूचकांकों को पुनः प्राप्त करती हैं, जो इसे केवल फेनोमेनोलॉजिकल मॉडलिंग से आगे ले जाता है।
3. विश्लेषणात्मक सुगमता (Analytical Tractability): गामा अनुपातों के जटिल रूपांतरणों के लिए क्लोज-फॉर्म PDF, CDF और विशिष्ट मोमेंट्स प्रदान करना, जो कि दुर्लभ है।
4. व्यापक अनुमान ढांचा: लाइक्लीहुड समीकरणों का व्युत्पत्ति और MLE के लिए संख्यात्मक रणनीतियों पर चर्चा।

4. परिणाम (Results)

4.1 सिमुलेशन अध्ययन (Simulation Study)

विभिन्न नमूना आकारों ($n=50, 100, 250, 500$) और पैरामीटर कॉन्फ़िगरेशन के लिए MLE के परिमित-नमूना प्रदर्शन का आकलन करने के लिए 500 पुनरावृत्तियों वाला एक मोंटे कार्लो सिमुलेशन अध्ययन किया गया।

• मॉडल $W$: इसने वैश्विक रूप से स्थिर प्रदर्शन (globally stable performance) प्रदर्शित किया। आकार (shape) और स्केल (scale) अनुमानक बढ़ते $n$ के साथ प्रगतिशील अभिसरण (convergence) दिखाते हैं। बायस (Bias) और RMSE व्यवस्थित रूप से कम होते हैं। रूपांतरण पैरामीटर $r$ को अच्छी सटीकता के साथ प्राप्त किया गया।
• मॉडल $Z$: अनुमान लगाना अधिक चुनौतीपूर्ण सिद्ध हुआ। रूपांतरण $T_r$ सूचना के संकेंद्रण को कम करता है, जिससे उच्च संवेदनशीलता आती है, विशेष रूप से विषम परिदृश्यों में या जब आकार पैरामीटर्स कम ($<1$) होते हैं। जबकि स्केल पैरामीटर्स का अच्छा अनुमान लगाया गया, आकार पैरामीटर्स ($\alpha_1, \alpha_2$) और रूपांतरण पैरामीटर $r$ ने $n=500$ पर भी उच्च बायस और RMSE प्रदर्शित किया।
• तुलना: मॉडल $W$ संख्यात्मक रूप से अधिक सुदृढ़ (robust) है और विभिन्न कॉन्फ़िगरेशन के लिए उपयुक्त है, जबकि मॉडल $Z$ को सटीक पैरामीटर पहचान के लिए बड़े नमूनों और अधिक नियमित (सममित) डेटा संरचनाओं की आवश्यकता होती है।

4.2 वास्तविक डेटा अनुप्रयोग (Real Data Application)

इन मॉडलों को 78 देशों के 2021 गिनी सूचकांक डेटा पर लागू किया गया।

• प्रतिस्पर्धी: नए मॉडलों की तुलना मानक बेटा और कुमारस्वामी वितरणों से की गई।
• प्रदर्शन मेट्रिक्स:
  • मॉडल $Z$ ने उच्चतम लॉग-लाइक्लीहुड ($\approx 108.96$) और सबसे कम AIC ($-207.93$) प्राप्त किया, जो डेटा की विषमता (skewness) और टेल व्यवहार (tail behavior) के प्रति इसके सर्वोत्तम फिट को दर्शाता है।
  • बेटा वितरण AIC में दूसरे स्थान पर रहा लेकिन अपनी सरलता (कम पैरामीटर्स) के कारण BIC ($-201.09$) द्वारा समर्थित था।
  • मॉडल $W$ ने मध्यम प्रदर्शन दिखाया।
  • कुमारस्वामी (Kumaraswamy) का प्रदर्शन सबसे खराब रहा, जिसमें पैरामीटर अनुमान में संख्यात्मक अस्थिरता देखी गई।
• नैदानिक प्लॉट्स (Diagnostic Plots): रैंडमाइज्ड और कॉक्स-स्नेलल अवशेषों (Cox-Snell residuals) के क्वांटाइल-क्वांटाइल (Q-Q) प्लॉट्स ने पुष्टि की कि मॉडल $Z$ और बेटा वितरण ने, विशेष रूप से पूंछ (tails) में, अनुभवजन्य वितरण (empirical distribution) के प्रति सर्वोत्तम सामंजस्य प्रदान किया।

5. महत्व और निष्कर्ष (Significance and Conclusion)

यह शोध पत्र गामा अनुपातों (स्टोकेस्टिक थ्योरी) और व्यावहारिक अर्थशास्त्र (असमानता माप) के बीच की खाई को पाटकर यूनिट-इंटरवल वितरणों के साहित्य में एक महत्वपूर्ण योगदान देता है।

• व्यावहारिक प्रासंगिकता: ये मॉडल बेटा और कुमारस्वामी वितरणों के लिए एक लचीला विकल्प प्रदान करते हैं, विशेष रूप से उन डेटा के लिए जो जटिल आकार या असमानता मेट्रिक्स के साथ विशिष्ट संबंध प्रदर्शित करते हैं।
• सैद्धांतिक अंतर्दृष्टि: इन वितरणों के विशिष्ट मामलों के रूप में गिनी और एटकिंसन सूचकांकों का व्युत्पत्ति, असमानता डेटा के विश्लेषण के लिए इन मॉडलों के उपयोग को वैध बनाता है, जो केवल वक्र-फिटिंग (curve-fitting) के बजाय एक यांत्रिक औचित्य प्रदान करता है।
• भावी दिशाएं: लेखक सह-संबंधित गामा घटकों, बहुभिन्नरूपी (multivariate) सेटिंग्स और बायेसियन अनुमान ढांचे में इन मॉडलों के विस्तार का सुझाव देते हैं।

संक्षेप में, प्रस्तावित वितरण, विशेष रूप से मॉडल $Z$, वास्तविक दुनिया के असमानता डेटा के लिए बेहतर लचीलापन और फिट प्रदर्शित करते हैं, जबकि सैद्धांतिक ढांचा असमानता सूचकांकों की स्टोकेस्टिक प्रकृति को समझने के लिए एक मजबूत आधार प्रदान करता है।