The arithmetic-harmonic inequality index: Theory, inference, and finite-sample analysis

Titel: Het index van de rekenkundig-harmonische ongelijkheid: Theorie, inferentie en analyse van eindige steekproeven

Auteurs: Roberto Vila en Helton Saulo
Publicatiedatum: 7 april 2026 (voorgesteld)

1. Probleemstelling en Doel

Het artikel introduceert en analyseert de rekenkundig-harmonische ongelijkheidsindex (AHI-index), aangeduid als $J$. Deze index is een maatstaf voor spreiding (dispersie) voor positieve stochastische variabelen.

• Definitie: De index wordt gedefinieerd als $J = 1 - \frac{1}{E[X]E[1/X]}$, waarbij $E[X]$ het rekenkundig gemiddelde is en $E[1/X]$ het omgekeerde van het harmonisch gemiddelde.
• Eigenschappen:
  • De index is begrensd in het interval $[0, 1)$.
  • Hij is schaal-invariant (onafhankelijk van de eenheid van meting).
  • $J=0$ als en slechts als $X$ een degeneratieve variabele is (geen variatie).
  • Hij is gerelateerd aan de Atkinson-index (met parameter $\varepsilon=2$) en fungeert als een genormaliseerde transformatie van het kwadraat van de variatiecoëfficiënt ($CV^2$).
• Het probleem: Hoewel de theoretische eigenschappen bekend zijn, ontbreekt er een uitgebreide analyse van de verdelingskarakteristieken van de schatter voor eindige steekproeven, inclusief exacte verwachtingswaarden, bias-benaderingen en asymptotische eigenschappen voor specifieke verdelingen.

2. Methodologie

De auteurs hanteren een combinatie van analytische afleidingen, asymptotische statistiek en numerieke simulaties:

1. Analytische Afleidingen:

   • De auteurs leiden gesloten vormen af voor de AHI-index binnen de familie van de Generalized Inverse Gaussian (GIG) verdeling.
   • Specifieke gevallen worden onderzocht: de Inverse Gaussian (IG) verdeling en de Gamma verdeling.
   • Gebruikmakend van de Laplace-transformatie en de identiteit $\frac{1}{ab} = \int_0^\infty \int_0^\infty e^{-sa-tb} ds dt$, wordt een integraalvoorstelling afgeleid voor de verwachtingswaarde van de schatter $\hat{J}$.

2. Asymptotische Analyse:

   • Er wordt bewezen dat de schatter sterk consistent is.
   • De asymptotische normaliteit wordt vastgesteld met behulp van de Delta-methode en de multivariate centrale limietstelling.
   • Een eerste-orde bias-ontwikkeling wordt afgeleid via een Taylor-expansie van de tweede orde, wat een expliciete formule voor de bias in eindige steekproeven oplevert.

3. Monte Carlo Simulatie:

   • Een simulatiestudie wordt uitgevoerd om de prestaties van de schatter in eindige steekproeven te evalueren.
   • Scenario's: Inverse Gaussian ($IG(\mu, \lambda)$) en Gamma ($Gamma(\alpha, \beta)$) verdelingen.
   • Parameters: Verschillende steekproefgroottes ($n = 20, 50, 75, 100, 200$) en parameterconfiguraties om verschillende niveaus van spreiding te testen.
   • Metrieken: Empirische bias en Mean Squared Error (MSE) worden berekend over 4000 herhalingen.

3. Belangrijkste Bijdragen en Resultaten

A. Analytische Resultaten

• GIG-Familie: Voor een $X \sim GIG(p, a, b)$ wordt de index uitgedrukt in termen van gemodificeerde Bessel-functies van de tweede soort ($K_p$):
  $$J = 1 - \frac{K_p^2(2\sqrt{ab})}{K_{p+1}(2\sqrt{ab})K_{p-1}(2\sqrt{ab})}$$
• Inverse Gaussian: Voor $X \sim IG(\mu, \lambda)$ vereenvoudigt de index tot $J = \frac{\mu}{\mu + \lambda}$. De auteurs leiden een exacte integraalvoorstelling af voor de verwachtingswaarde van de schatter, uitgedrukt via de bovenste onvolledige gammafunctie.
• Gamma: Voor $X \sim Gamma(\alpha, \beta)$ (met $\alpha > 1$) geldt $J = 1/\alpha$. De index is hier onafhankelijk van de snelheidsparameter $\beta$.
• Bias: Er worden expliciete formules voor de bias afgeleid. Bijvoorbeeld voor de Gamma-verdeling is de verwachtingswaarde van de schatter:
  $$E[\hat{J}] \approx \frac{1}{\alpha} - \frac{1}{n} \frac{\alpha-1}{\alpha(\alpha-2)}$$
  Dit toont aan dat de schatter een negatieve bias heeft die afneemt met toenemende steekproefgrootte $n$.

B. Asymptotische Eigenschappen

• Consistentie: De schatter $\hat{J}$ convergeert bijna zeker naar de ware waarde $J$ naarmate $n \to \infty$.
• Asymptotische Normaliteit: $\sqrt{n}(\hat{J} - J)$ convergeert in distributie naar een normale verdeling $N(0, \sigma_J^2)$. De asymptotische variantie $\sigma_J^2$ hangt af van de variantie van $X$, de variantie van $1/X$ en de covariantie tussen beide.
• Bias-expansie: De eerste-orde bias-expansie biedt een nauwkeurige benadering voor de verwachtingswaarde in eindige steekproeven, wat essentieel is voor correctie in praktische toepassingen.

C. Simulatie-resultaten

• De Monte Carlo studie bevestigt de theoretische afleidingen.
• Bias en MSE: Zowel de bias als de Mean Squared Error (MSE) nemen af naarmate de steekproefgrootte $n$ toeneemt, voor alle geteste parameterconfiguraties.
• De schatter gedraagt zich zoals verwacht: bij kleine steekproeven is er een merkbare bias (vooral bij hoge spreiding), maar deze verdwijnt snel bij grotere steekproeven.
• De resultaten voor de Inverse Gaussian en Gamma verdelingen zijn consistent met de afgeleide asymptotische formules.

4. Significatie en Conclusie

Dit artikel levert een fundamentele bijdrage aan de statistische theorie voor ongelijkheids- en spreidingsmaten:

1. Nieuwe Maatstaf: Het introduceert de AHI-index als een robuust, begrensd en schaal-invariant alternatief voor traditionele maatstaven zoals de variatiecoëfficiënt, met een directe link tot de Atkinson-index.
2. Exacte Inferentie: Voor het eerst worden exacte integraalvoorstellingen en expliciete bias-uitdrukkingen afgeleid voor deze index onder veelgebruikte verdelingen (GIG, IG, Gamma).
3. Praktische Toepasbaarheid: De studie biedt onderzoekers en analisten de tools om de AHI-index betrouwbaar te schatten in eindige steekproeven, inclusief kennis over de grootte van de bias en de noodzaak van correcties.
4. Toekomstige Toepassingen: De methode is relevant voor economie (ongelijkheid), financiën (risicobeheer) en biostatistiek, waar positieve variabelen met variabele spreiding vaak voorkomen.

Samenvattend biedt dit werk een volledig theoretisch raamwerk voor de AHI-index, van de definitie tot de praktische schatting, en valideert de methode zowel analytisch als numeriek.