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

Titolo: Classi di distribuzioni sull'intervallo unitario: proprietà strutturali e applicazione ai dati di disuguaglianza

Autori: Roberto Vila, Helton Saulo, Poliana Matos e Subhankar Dutta.

---

1. Il Problema e il Contesto

Le distribuzioni di probabilità definite sull'intervallo unitario $(0, 1)$ sono fondamentali in campi quali l'econometria, le scienze naturali e gli studi di affidabilità. In particolare, nell'analisi economica, indicatori chiave come l'indice di Gini e l'indice di Atkinson sono vincolati a questo intervallo.
Attualmente, i modelli tradizionali per dati continui limitati sono la distribuzione Beta e la distribuzione di Kumaraswamy. Sebbene flessibili, questi modelli sono spesso puramente fenomenologici e non offrono una connessione teorica diretta con i meccanismi stocastici sottostanti alle misure di disuguaglianza classica. Esiste quindi la necessità di sviluppare nuove famiglie di distribuzioni che siano intrinsecamente legate alla struttura matematica degli indici di disuguaglianza.

2. Metodologia

Gli autori introducono due nuove famiglie di distribuzioni sull'intervallo unitario, denotate come $W$ e $Z$, ottenute attraverso trasformazioni non iniettive del rapporto tra due variabili casuali indipendenti distribuite secondo una legge Gamma.

• Costruzione Teorica:
  Siano $X \sim \text{Gamma}(\alpha_1, \lambda_1)$ e $Y \sim \text{Gamma}(\alpha_2, \lambda_2)$ due variabili indipendenti. Si considera il rapporto $U = \frac{X}{X+Y}$, che segue una distribuzione Beta se $\lambda_1 = \lambda_2$.
  Le nuove variabili sono definite applicando le trasformazioni $S_r$ e $T_r$ a $U$:
  $$S_r(u) = [1 - 4u(1-u)]^r$$
  $$T_r(u) = 1 - [4u(1-u)]^r$$
  dove $r > 0$ è un parametro di forma.
  Le nuove variabili sono:
  $$W = S_r\left(\frac{X}{X+Y}\right) = \left(\frac{Y-X}{X+Y}\right)^{2r}$$
  $$Z = T_r\left(\frac{X}{X+Y}\right) = 1 - \frac{(XY)^r}{[\frac{1}{2}(X+Y)]^{2r}}$$

• Connessione con gli Indici di Disuguaglianza:
  Un risultato cruciale è che per il caso particolare $r = 1/2$:

  • $W$ coincide con lo stimatore dell'indice di Gini basato su un campione di dimensione $n=2$.
  • $Z$ coincide con lo stimatore dell'indice di Atkinson basato su un campione di dimensione $n=2$.
    Questo stabilisce un legame diretto e teorico tra le nuove distribuzioni e le misure classiche di disuguaglianza.

• Derivazioni Analitiche:
  Il lavoro deriva le leggi di distribuzione, le funzioni di densità (PDF), le funzioni di ripartizione (CDF), le funzioni quantiliche e le espressioni per i momenti grezzi (raw moments) in forma chiusa o semi-chiusa, specialmente per casi particolari di parametri (es. $\lambda_1 = \lambda_2$).

• Stima:
  Viene formulata la procedura di Massima Verosimiglianza (MLE) per stimare i parametri $\theta = (\alpha_1, \alpha_2, \lambda_1, \lambda_2, r)$. A causa della complessità delle equazioni di verosimiglianza, vengono utilizzati metodi di ottimizzazione numerica (algoritmo L-BFGS-B).

3. Risultati Chiave

A. Studio di Simulazione (Monte Carlo)

È stata condotta una simulazione per valutare il comportamento degli stimatori in campioni finiti ($n = 50, 100, 250, 500$) con diverse configurazioni di parametri.

• Modello $W$: Mostra una stabilità numerica globale. Gli stimatori per i parametri di forma ($\alpha$) e scala ($\lambda$) convergono progressivamente all'aumentare di $n$. Il parametro di trasformazione $r$ è stimato con buona accuratezza, specialmente in scenari simmetrici.
• Modello $Z$: Si rivela più complesso da stimare rispetto a $W$. La trasformazione $T_r$ riduce la concentrazione dell'informazione, rendendo la stima dei parametri di forma e di $r$ più sensibile, specialmente in scenari asimmetrici o con parametri di forma bassi ($<1$). Tuttavia, i parametri di scala rimangono stabili.
• Conclusione sulla simulazione: Il modello $W$ è più robusto e adatto a un'ampia gamma di configurazioni parametriche, mentre il modello $Z$ richiede campioni più grandi e funziona meglio in configurazioni regolari (simmetriche).

B. Applicazione ai Dati Reali

I modelli sono stati applicati ai dati dell'indice di Gini mondiale per il 2021 (78 paesi), confrontandoli con le distribuzioni Beta e Kumaraswamy.

• Criteri di Selezione del Modello:
  • Il modello $Z$ ha ottenuto il valore di log-verosimiglianza più alto e il valore AIC (Akaike Information Criterion) più basso, indicando il miglior adattamento globale ai dati.
  • La distribuzione Beta ha ottenuto il miglior valore BIC (Bayesian Information Criterion), grazie alla sua struttura più parsimoniosa (2 parametri contro 5 di $W$ e $Z$).
  • Il modello Kumaraswamy ha mostrato prestazioni inferiori e instabilità numerica nella stima dei parametri.
• Diagnostica: L'analisi delle funzioni di distribuzione cumulativa (CDF) e dei residui (Quantile Randomized e Cox-Snell) conferma che i modelli $Z$ e Beta seguono meglio la struttura empirica dei dati, catturando adeguatamente la skewness e le code della distribuzione degli indici di Gini.

4. Contributi Principali

1. Nuove Famiglie di Distribuzioni: Introduzione di due famiglie parametriche flessibili ($W$ e $Z$) sull'intervallo unitario con forme analitiche gestibili.
2. Collegamento Teorico: Stabilimento di un ponte diretto tra le distribuzioni derivate dal rapporto Gamma e gli indici di disuguaglianza (Gini e Atkinson), offrendo una giustificazione teorica per l'uso di questi modelli in econometria.
3. Trattabilità Analitica: Derivazione di espressioni in forma chiusa per densità, CDF e momenti, facilitando l'implementazione pratica.
4. Validazione Empirica: Dimostrazione che i nuovi modelli sono competitivi, e in alcuni casi superiori (modello $Z$), rispetto agli standard del settore (Beta e Kumaraswamy) nell'analisi di dati reali di disuguaglianza.

5. Significato e Implicazioni

Questo lavoro fornisce strumenti statistici avanzati per modellare dati proporzionali e indici di disuguaglianza. La capacità di catturare asimmetrie, bimodalità e code pesanti rende queste distribuzioni particolarmente utili in:

• Econometria: Per l'analisi della concentrazione del reddito e della ricchezza.
• Affidabilità: Per modellare probabilità di fallimento o tassi di successo.
• Scienze Ambientali: Per dati di concentrazione o percentuali.

La ricerca suggerisce che, sebbene la stima del modello $Z$ possa essere computazionalmente impegnativa in scenari estremi, la sua flessibilità strutturale lo rende una scelta superiore per dati reali complessi come quelli degli indici di Gini globali. Il lavoro apre la strada a future ricerche su componenti Gamma correlate, estensioni multivariate e metodi di stima bayesiana.