Inference for the Lorenz Curve and Gini Index under the Geometric Distribution

Sintesi Tecnica: Inferenza per la Curva di Lorenz e l'Indice di Gini sotto la Distribuzione Geometrica

Definizione del Problema
Le misure di disuguaglianza, specificamente la curva di Lorenz e l'indice di Gini, sono strumenti fondamentali in economia, teoria dell'affidabilità e scienza attuariale. Sebbene le loro proprietà teoriche e i loro quadri inferenziali siano ben stabiliti per le distribuzioni continue (ad es. esponenziale, lognormale, Pareto), la loro applicazione a dati discreti presenta significative sfide analitiche. Nei contesti discreti, la funzione di ripartizione cumulata è una funzione a gradini, il che rende invalida la standard definizione integrale della curva di Lorenz. Di conseguenza, la letteratura esistente manca di una sistematica teoria inferenziale per queste misure sotto modelli parametrici discreti. Questo articolo affronta tale lacuna sviluppando le proprietà distribuzionali esatte e asintotiche degli stimatori di massima verosimiglianza (MLE) per la curva di Lorenz e l'indice di Gini sotto la distribuzione geometrica, un modello fondamentale per i dati di conteggio in campi quali l'affidabilità, la teoria delle code e l'epidemiologia.

Metodologia
Gli autori formulano un analogo discreto della curva di Lorenz sostituendo l'integrazione con la sommatoria sulla distribuzione di probabilità. Per una variabile geometrica $X \sim \text{Geom}(p)$ con supporto $\{0, 1, 2, \dots\}$, la curva di Lorenz $L(u; p)$ è definita tramite l'inversa generalizzata della funzione di ripartizione.

Lo studio procede attraverso i seguenti passaggi metodologici:

1. Derivazione dello Stimatore: Utilizzando la proprietà di invarianza del MLE, gli stimatori per la curva di Lorenz ($\hat{L}(u)$) e l'indice di Gini ($\hat{G}$) sono derivati direttamente dal MLE del parametro $p$, denotato come $\hat{p} = n / (n + \sum X_i)$.
2. Teoria della Distribuzione Esatta: Riconoscendo che la statistica sufficiente $T = \sum X_i$ segue una distribuzione binomiale negativa, gli autori derivano le distribuzioni campionarie esatte di $\hat{L}(u)$ e $\hat{G}$ in forma chiusa. Queste distribuzioni sono basate su reticoli (lattice-based) e non regolari (non-smooth), riflettendo la natura discreta del modello sottostante.
3. Analisi Asintotica: Il documento stabilisce la forte consistenza e la convergenza $L_k$ per entrambi gli stimatori. La normalità asintotica è derivata utilizzando il metodo delta, fornendo espressioni esplicite per la varianza.
4. Simulazione e Applicazione: Uno studio di simulazione Monte Carlo (5.000 replicazioni) valuta le prestazioni in campioni finiti (bias, varianza, MSE) attraverso vari valori del parametro ($p$) e dimensioni del campione ($n$). La metodologia è ulteriormente illustrata utilizzando il dataset del conteggio delle parole dei Federalist Papers.

Contributi Chiave e Risultati

• Forme Distribuzionali Esatte: L'articolo fornisce le prime espressioni in forma chiusa per le distribuzioni campionarie esatte degli stimatori della curva di Lorenz e dell'indice di Gini sotto la distribuzione geometrica.

  • Per l'indice di Gini, si dimostra che lo stimatore $\hat{G} = (n+T)/(2n+T)$ è una funzione biunivoca della statistica sufficiente $T$. La sua funzione di distribuzione è espressa tramite la funzione di ripartizione (CDF) incompleta della binomiale negativa.
  • Per la curva di Lorenz, la distribuzione è derivata sulla base della trasformazione della variabile binomiale negativa, rivelando una struttura a gradini dipendente dall'inversa generalizzata.

• Proprietà Asintotiche:

  • Indice di Gini: Si dimostra che lo stimatore $\hat{G}$ è fortemente consistente e asintoticamente normale. La varianza asintotica è derivata esplicitamente come $\tau^2 = p^2(1-p)/(2-p)^4$. Notevolmente, lo stimatore dell'indice di Gini non richiede condizioni di regolarità riguardo al parametro $u$ (poiché è un funzionale scalare di $p$), consentendo un'inferenza affidabile anche con campioni di dimensioni moderate.
  • Curva di Lorenz: Lo stimatore $\hat{L}(u)$ è consistente, ma la sua normalità asintotica richiede una condizione di regolarità: la mappatura $p \mapsto F^{-1}(u; p)$ deve essere costante in un vicinato del vero parametro. In caso contrario, la derivata è indefinita.

• Prestazioni in Campioni Finiti (Risultati della Simulazione):

  • Lo stimatore dell'indice di Gini opera in modo robusto; le varianze simulate seguono da vicino l'approssimazione asintotica anche per piccoli campioni ($n=20$).
  • Al contrario, lo stimatore della curva di Lorenz mostra una convergenza significativamente più lenta verso il regime asintotico. A causa della struttura a "salti" (jump) della distribuzione, lo stimatore attraversa frequentemente i punti di salto dell'inversa generalizzata nei campioni finiti, gonfiando la varianza oltre la previsione del metodo delta. Questo effetto è particolarmente pronunciato per valori di $p$ più elevati. La simulazione indica che la normalità asintotica per $\hat{L}(u)$ può richiedere dimensioni campionarie sostanzialmente maggiori per essere praticamente affidabile.

• Applicazione su Dati Reali:

  • La metodologia è stata applicata al dataset del conteggio delle parole dei Federalist Papers (frequenza della parola "may"). La distribuzione geometrica ha fornito un ottimo adattamento (p-value Pearson $\chi^2$ = 0.783).
  • L'indice di Gini stimato è stato $\hat{G} = 0.7162$ con un intervallo di confidenza al 95% di $(0.6926, 0.7398)$, indicando un'alta concentrazione nell'uso delle parole.
  • La curva di Lorenz adattata ha catturato correttamente la caratteristica discreta per cui il 40% più basso dei blocchi di testo (quelli con zero occorrenze) non contribuisce affatto al conteggio totale, risultando in un segmento piatto all'origine.

Significatività e Rivendicazioni
L'articolo sostiene di fornire un rigoroso quadro inferenziale per le misure di disuguaglianza in contesti discreti, estendendo l'analisi classica basata su Lorenz a un modello fondamentale di conteggio discreto. Gli autori sottolineano che, mentre lo stimatore dell'indice di Gini consente un'inferenza asintotica standard da campioni di dimensioni moderate, lo stimatore della curva di Lorenz necessita dell'uso delle distribuzioni esatte derivate per un'inferenza accurata, particolarmente in campioni piccoli o quando $p$ è grande. Questa distinzione evidenzia una differenza fondamentale tra la stima della disuguaglianza continua e quella discreta. Il lavoro affronta una specifica lacuna nella letteratura dove una sistematica teoria inferenziale (che copra distribuzioni esatte, consistenza e normalità asintotica) per modelli parametrici discreti era precedentemente assente.