📊 statistics

Modeling double bounded data based on correlated gamma random variables

Dit artikel introduceert een flexibel statistisch model voor data op het eenheidsinterval, gebaseerd op gecorreleerde gamma-variabelen gekoppeld via een FGM-copula, dat de beperkingen van onafhankelijkheidsaannames overbrugt en effectief wordt toegepast op economische datasets.

Oorspronkelijke auteurs: Roberto Vila, Felipe Quintino, Marcelo Bourguignon

Gepubliceerd 2026-03-04

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Roberto Vila, Felipe Quintino, Marcelo Bourguignon

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een taart hebt die je moet verdelen tussen twee mensen, Laten we ze Noor en Sjoerd noemen. De hele taart is 100% (of 1, in wiskundige termen). Als Noor 30% krijgt en Sjoerd 70%, dan is het aandeel van Noor 0,3. Dit soort gegevens – percentages, verhoudingen, aandeel van een totaal – noemen we "beperkte data" omdat het altijd ergens tussen 0 en 1 moet liggen.

In de statistiek hebben we al lang een heel bekend recept om dit soort taartverdelingen te modelleren: de Beta-verdeling. Maar dit recept heeft een groot nadeel. Het gaat ervan uit dat Noor en Sjoerd elkaar niet kennen. Alsof ze twee totaal onafhankelijke mensen zijn die toevallig in dezelfde kamer staan.

Het probleem in de echte wereld
In het echte leven is dat zelden waar. Stel je voor dat Noor en Sjoerd broers zijn. Als de ene broer een grote portie krijgt, heeft de andere vaak ook een grote portie (positieve correlatie), of misschien is het juist zo dat als de ene veel krijgt, de andere weinig krijgt omdat er maar één taart is (negatieve correlatie). Ze zijn met elkaar verbonden door een onzichtbare draad.

De oude statistische modellen (de Beta-verdeling) kunnen die "onzichtbare draad" niet zien. Ze gaan er simpelweg van uit dat alles losstaat. Dat werkt vaak niet goed, vooral niet bij complexe dingen zoals economische gegevens of gezondheidscijfers.

De nieuwe oplossing: De EBB-verdeling
In dit artikel presenteren de auteurs een nieuw, slimmer recept: de Extended Bimodal Beta (EBB) verdeling.

Hier is hoe het werkt, in gewone taal:

De Basis: Net als bij het oude recept, kijken we naar twee variabelen (Noor en Sjoerd) die een verdeling volgen die lijkt op een "Gamma-verdeling" (een manier om te beschrijven hoe groot een kans is op een bepaalde hoeveelheid).
De Magische Draad: Het nieuwe recept voegt een extra ingrediënt toe: een correlatie-parameter (laten we die $\rho$ $ρ$ noemen). Dit is de "onzichtbare draad" die Noor en Sjoerd aan elkaar koppelt.
- Als de draad strak staat in de ene richting, krijgen ze vaak vergelijkbare porties.
- Als de draad in de andere richting staat, kan het zijn dat als de ene veel krijgt, de andere weinig krijgt.
Het Resultaat: Door deze draad toe te voegen, wordt het model veel flexibeler. Het oude model kon alleen simpele vormen maken (zoals een heuvel of een bel). Het nieuwe model kan veel gekkere vormen maken:
- Twee pieken (Bimodaal): Alsof de taartverdeling vaak in twee groepen valt (bijvoorbeeld: ofwel heel veel, ofwel heel weinig, maar zelden iets daartussen).
- Kromme vormen: Het kan asymmetrisch zijn, alsof de taart scheef wordt verdeeld.

Waarom is dit belangrijk?
De auteurs hebben laten zien dat dit nieuwe model niet alleen theoretisch leuk is, maar ook in de praktijk werkt. Ze hebben het getest op echte data, namelijk over huishoudelijke financiën in Italië.

Stel je voor dat je kijkt naar de verhouding tussen wat een gezin verdient (inkomen) en wat ze uitgeven (uitgaven).

Als ze meer uitgeven dan ze verdienen, is de verhouding laag.
Als ze meer overhouden, is de verhouding hoog.

In de echte wereld zijn inkomen en uitgaven natuurlijk niet onafhankelijk! Mensen met een hoog inkomen geven vaak ook meer uit. Het oude model (Beta) zag dit verband niet goed en gaf een onnauwkeurige voorspelling. Het nieuwe model (EBB) zag de "draad" tussen inkomen en uitgaven, en gaf een veel betere beschrijving van de werkelijkheid.

Samenvatting in een metafoor

Het oude model (Beta): Het is alsof je probeert het gedrag van twee dansers te voorspellen die op een podium staan, maar je doet alsof ze elkaar niet zien en niet op elkaars bewegingen reageren.
Het nieuwe model (EBB): Dit model ziet dat ze een danspartner zijn. Het ziet dat als de ene danser een stap naar links maakt, de andere daarop reageert. Hierdoor kan het model veel complexere en realistischere danspassen (datavormen) beschrijven, inclusief situaties waar ze allebei naar links gaan, of juist in tegengestelde richtingen.

Conclusie
De auteurs hebben een nieuw wiskundig gereedschap ontwikkeld dat beter past bij de complexe, verbonden wereld waarin we leven. Het is net als het vervangen van een simpele, starre meetlat door een flexibele, rekbaar meetlint dat zich aanpast aan de vorm van het object dat je meet. Of het nu gaat om economie, gezondheid of het weer, dit nieuwe model helpt ons de waarheid beter te begrijpen.

Titel: Modellering van dubbel begrenste data op basis van gecorreleerde gamma-variabelen

Auteurs: Roberto Vila, Felipe Quintino en Marcelo Bourguignon
Publicatiedatum: 4 maart 2026 (voorgesteld)

1. Probleemstelling

Veel statistische data in de praktijk zijn begrensd op het interval $(0, 1)$ , zoals percentages, verhoudingen en tarieven (bijv. het Human Development Index, COVID-19 herstelpercentages). De standaardverdeling voor dergelijke data is de Beta-verdeling.

De klassieke stochastische representatie van de Beta-verdeling stelt dat als $X$ en $Y$ onafhankelijke gamma-variabelen zijn met dezelfde schaalparameter, de verhouding $Z = X/(X+Y)$ een Beta-verdeling volgt.

Beperking: Deze aanname van onafhankelijkheid tussen $X$ en $Y$ is in veel praktische toepassingen onrealistisch. In werkelijkheid vertonen deze variabelen vaak correlatie (zowel positief als negatief) door gedeelde onderliggende mechanismen of gemeenschappelijke variabiliteitsbronnen.
Voorbeeld: Bij COVID-19 data kunnen $X$ (aantal overlijdens) en $Y$ (aantal gevallen zonder overlijden) negatief gecorreleerd zijn. Een onafhankelijkheidsmodel faalt hier om de onderliggende structuur correct te modelleren.

Het doel van dit onderzoek is het ontwikkelen van een flexibel model dat rekening houdt met deze correlatie, waardoor een meer realistische weergave van unit-interval data mogelijk wordt.

2. Methodologie

Het voorgestelde model: Extended Bimodal Beta (EBB)

De auteurs introduceren een nieuwe verdeling, de Extended Bimodal Beta (EBB), die ontstaat uit de verhouding van twee gecorreleerde gamma-variabelen:
$Z \stackrel{d}{=} \frac{X}{X + Y}$
waarbij het vector $(X, Y)$ een Morgenstern's bivariate verdeling volgt met gamma-marges.

Afhankelijkheidsstructuur: De correlatie wordt gemodelleerd via de Farlie-Gumbel-Morgenstern (FGM) copula. De gezamenlijke verdelingsfunctie (CDF) wordt gegeven door:
$F_{X,Y}(x, y) = F_X(x)F_Y(y)[1 + \rho\{1 - F_X(x)\}\{1 - F_Y(y)\}]$
waarbij $\rho \in [-1, 1]$ de correlatieparameter is.
Parameters: Het model heeft drie parameters: $\alpha$ en $\beta$ (vormparameters van de gamma-marges) en $\rho$ (correlatieparameter).

Wiskundige Afleiding

De auteurs leiden de kansdichtheidsfunctie (PDF) en de cumulatieve verdelingsfunctie (CDF) af met behulp van de Jacobiaan-methode en speciale functies:

De PDF bevat termen met de Gauss hypergeometrische functie ( ${}_2F_1$ ) en de Appell $F_2$ dubbele hypergeometrische functie.
De PDF toont dat het model een mengsel is van vier componenten, afhankelijk van de waarde van $\rho$ .
Symmetrie: Het model is symmetrisch rond $z=0.5$ als $\alpha = \beta$ .

Schatting (Estimatie)

Maximum Likelihood Estimation (MLE): De log-likelihood functie wordt geconstrueerd. Vanwege de complexiteit van de speciale functies is een analytische oplossing onmogelijk; numerieke optimalisatie (zoals Newton-Raphson) is vereist.
Tweestaps-strategie: Om convergentieproblemen te vermijden, stellen de auteurs een tweestapsprocedure voor:
1. Schat $\alpha$ en $\beta$ eerst onder de aanname van onafhankelijkheid (standaard Beta-model).
2. Schat vervolgens de correlatieparameter $\rho$ op basis van deze initiële schattingen.
- Alternatief: Als de ruwe data $(X, Y)$ beschikbaar zijn, kan $\rho$ direct worden geschat via de correlatie van de margins.

Simulatie

Een Monte Carlo simulatiestudie werd uitgevoerd om de prestaties van de MLE-schattingen te evalueren.

Generatie: Steekproeven werden gegenereerd via de copula-methode (Algorithm 1).
Implementatie: De code is geschreven in R, met gebruikmaking van pakketten zoals gsl (voor hypergeometrische functies) en numDeriv (voor gradiënten).

3. Belangrijkste Resultaten

Wiskundige Eigenschappen

Flexibiliteit: Het EBB-model kan een breed scala aan vormen aannemen: symmetrisch, asymmetrisch, unimodaal en bimodaal.
Bimodaliteit: In tegenstelling tot de standaard Beta-verdeling, kan het EBB-model bimodale patronen vertonen, vooral wanneer $\rho$ dicht bij $-1$ ligt. Dit is een cruciale eigenschap voor data met twee duidelijke pieken.
Moments: Gesloten vormen voor momenten zijn afgeleid, hoewel numerieke integratie vaak nodig is voor berekening.

Simulatie Resultaten

De MLE-schattingen vertonen goede eigenschappen: lage relative bias (RB) en lage root mean squared error (RMSE).
De nauwkeurigheid neemt toe met de steekproefgrootte ( $n$ ). Voor $n \geq 100$ is de bias onder de 0,10.
De schatting van $\rho$ is minder gevoelig voor steekproefgroottevariaties dan de vormparameters.

Toepassing op Real-World Data

Het model werd toegepast op een dataset van de Bank of Italië over huishoudelijke financiële kwetsbaarheid (inkomsten vs. uitgaven, 2008).

Data: De variabele $Z$ werd gedefinieerd als $Uitgaven / (Uitgaven + Inkomsten)$.
Vergelijking: Het EBB-model werd vergeleken met de standaard Beta- en Kumaraswamy-modellen.
Resultaat:
- De EBB-schatting gaf een correlatie $\hat{\rho} \approx 0.78$ , wat aangeeft dat inkomsten en uitgaven sterk positief gecorreleerd zijn.
- Modelselectie: De EBB-verdeling had de laagste AIC (-15839.84) en BIC (-15818.90) waarden, wat aangeeft dat het een betere fit biedt dan de concurrenten, ondanks het toevoegen van slechts één parameter.
- Likelihood Ratio Test: De test $H_0: \rho = 0$ (Beta-model) tegen $H_1: \rho \neq 0$ leverde een p-waarde $< 0.01$ op. De nulhypothese werd verworpen; het EBB-model is significant beter.

4. Bijdragen en Significantie

Overbrugging van een theoretische kloof: Het artikel lost het probleem op van het modelleren van unit-begrensde data waarbij de onderliggende componenten gecorreleerd zijn, een situatie die door standaardmodellen wordt genegeerd.
Nieuwe verdeling: De introductie van de EBB-verdeling biedt een analytisch hanteerbare uitbreiding van de Beta-verdeling die bimodaliteit en complexe vormen kan modelleren.
Praktische relevantie: De toepassing op economische data (financiële kwetsbaarheid) bewijst dat het model beter in staat is om real-world patronen te vangen dan traditionele modellen.
Open source: De auteurs hebben de R-code openbaar gemaakt, wat reproduceerbaarheid en toekomstig gebruik faciliteert.

Conclusie

Dit onderzoek presenteert een robuust en flexibel statistisch model voor begrenste data. Door de correlatie tussen de onderliggende gamma-variabelen expliciet te modelleren via de FGM-copula, biedt de Extended Bimodal Beta-verdeling een superieur alternatief voor de klassieke Beta-verdeling, vooral in scenario's waar data asymmetrisch of bimodaal zijn. De methode is zowel wiskundig onderbouwd als empirisch gevalideerd.