Distribució de Benktander

Infotaula distribució de probabilitatDistribució de Benktander
Tipusdistribució de probabilitat Modifica el valor a Wikidata
EpònimGunnar Benktander Modifica el valor a Wikidata
Paràmetres a > 0 {\displaystyle a>0\,}
{ 0 b tipus I 0 < b 1 tipus II {\displaystyle {\begin{cases}0\leq b&{\text{tipus I}}\\0<b\leq 1&{\text{tipus II}}\end{cases}}}
Suport x [ 1 ; + [ {\displaystyle x\in [1;+\infty [\,}
fdpvegeu l'article
FDvegeu l'article
Esperança matemàtica 1 + 1 a {\displaystyle 1+{\frac {1}{a}}}
Medianavegeu l'article
Variànciavegeu l'article

En teoria de la probabilitat i en estadística, la distribució de Benktander és una distribució de probabilitat contínua coneguda com dos tipus diferents: la distribució de Benktander de tipus I (o distribució de Benktander-Gibrat) i la distribució de Benktander de tipus II (o distribució de Benktander Weibull).

Aquestes lleis es va aparèixer originalment en un article de 1960 escrit per Benktander i Segerdahl.[1] S'utilitzen principalment en l'economia.

Igual que la distribució de Pareto és una generalització de la distribució exponencial, les dues lleis de Benktander són generalitzacions d'aquesta distribució exponencial.

Si a X I {\displaystyle X_{I}} el segueix una distribució de Benktander de tipus I, s'escriurà X I B e n k t a n d e r I ( a , b ) {\displaystyle X_{I}\sim \mathrm {BenktanderI} (a,b)} ; de la mateixa manera, per a una distribució de Benktander de tipus II s'escriurà X I I B e n k t a n d e r I I ( a , b ) {\displaystyle X_{II}\sim \mathrm {BenktanderII} (a,b)}

Origen

La distribució de Pareto és una distribució exponencial de paràmetre log ( x / x m ) {\displaystyle \scriptstyle \log(x/x_{m})} , on x m {\displaystyle x_{m}} és un paràmetre de posició. Apareix així un paràmetre d'escala exponencial: e ( x ) := x x m {\displaystyle e(x):={\frac {x}{x_{m}}}} .

Per reflectir millor els valors empírics econòmics, es defineixen altres dos paràmetres exponencials d'escala:

{ e I ( x ) = x a + 2 b log ( x )  per  a > 0  i  0 b e I I ( x ) = x 1 b a  per  a > 0  i  0 < b 1 {\displaystyle {\begin{cases}e_{I}(x)={\frac {x}{a+2b\log(x)}}&{\text{ per }}a>0{\text{ i }}0\leq b\\e_{II}(x)={\frac {x^{1-b}}{a}}&{\text{ per }}a>0{\text{ i }}0<b\leq 1\end{cases}}}

Aquests dos nous paràmetres defineixen els dos tipus de distribució de Benktander.

Definicions

Els dos canvis d'escala anteriors per definir les dues funcions distribució de les distribucions de Benktander de tipus I i II:.

  • Per al tipus I :
F I ( x ) = { 1 x 1 a b L o g [ x ] ( 1 + 2 b L o g [ x ] a )  per  x 1 0  sinó. {\displaystyle F_{I}(x)={\begin{cases}1-x^{-1-a-b{\mathrm {Log} [x]}}\left(1+{\tfrac {2b\mathrm {Log} [x]}{a}}\right)&{\text{ per }}x\geq 1\\0&{\text{ sinó.}}\end{cases}}}
  • Per al tipus II :
F I I ( x ) = { 1 e a b ( 1 x b ) x b 1  per  x 1 0  sió. {\displaystyle F_{II}(x)={\begin{cases}1-e^{{\frac {a}{b}}(1-x^{b})}x^{b-1}&{\text{ per }}x\geq 1\\0&{\text{ sió.}}\end{cases}}}

Per derivació s'aconsegueixen les dues densitats de les distribucions.

  • Per al tipus I :
f I ( x ) = { x 2 a b L o g [ x ] ( 2 b a + ( 1 + a + 2 b L o g [ x ] ) ( 1 + 2 b L o g [ x ] a ) )  per  x 1 0  sinó. {\displaystyle f_{I}(x)={\begin{cases}x^{-2-a-b{\mathrm {Log} [x]}}\left(-{\tfrac {2b}{a}}+\left(1+a+2b\mathrm {Log} [x]\right)\left(1+{\tfrac {2b\mathrm {Log} [x]}{a}}\right)\right)&{\text{ per }}x\geq 1\\0&{\text{ sinó.}}\end{cases}}}
  • Per al tipus II :
f I I ( x ) = { e a ( 1 x b ) b x 2 + b ( 1 b + a x b )  per  x 1 0  sinó. {\displaystyle f_{II}(x)={\begin{cases}e^{\tfrac {a(1-x^{b})}{b}}x^{-2+b}(1-b+ax^{b})&{\text{ per }}x\geq 1\\0&{\text{ sinó.}}\end{cases}}}

Propietats

La mitjana d'ambdós tipus són iguals a:

E [ X ] = 1 + 1 a {\displaystyle \mathbb {E} [X]=1+{\frac {1}{a}}} .

Les variàncies són donades per:

V a r ( X I ) = b + a e ( 1 + a ) 2 4 b π erfc ( 1 + a 2 b ) a 2 b {\displaystyle Var(X_{I})={\frac {-{\sqrt {b}}+ae^{\tfrac {(-1+a)^{2}}{4b}}{\sqrt {\pi }}\operatorname {erfc} \left({\tfrac {-1+a}{2{\sqrt {b}}}}\right)}{a^{2}{\sqrt {b}}}}}

i

V a r ( X I I ) = 1 a 2 + 2 e a b E ( 1 1 b , a b ) a b {\displaystyle Var(X_{II})={\frac {-1}{a^{2}}}+{\frac {2e^{\tfrac {a}{b}}{\rm {E}}(1-{\tfrac {1}{b}},{\tfrac {a}{b}})}{ab}}}

on X I B e n k t a n d e r I ( a , b ) {\displaystyle X_{I}\sim \mathrm {BenktanderI} (a,b)} , X I I B e n k t a n d e r I I ( a , b ) {\displaystyle X_{II}\sim \mathrm {BenktanderII} (a,b)} , erfc és la funció d'error, i t E ( n , x ) {\displaystyle \scriptstyle {\rm {E}}(n,x)} és l'exponencial integral generalitzada.

Relació amb altres lleis

  • lim b 0 B e n k t a n d e r I ( a , b ) P a r e t o ( 1 , 1 + a ) {\displaystyle \lim _{b\rightarrow 0}\mathrm {BenktanderI} (a,b)\sim Pareto(1,1+a)}

Referències

  1. Kleiber i Kotz, 2003, p. 247, 626-646.

Bibliografia

  • Benktander, G; Seherdahl, C.O. On the analytical representation of claim distributions with special reference to excess-of-loss reinsurance (en anglès). Trans. 16-th Intern. Congress Actuaries, 1960. 
  • Benktander, Gunnar. Schadenverteilungen nach Grösse in der Nicht-Lebensversicherung [Les distribucions de pèrdua per grandàries d'assegurances dels morts] (en alemany), p. 263–283. 
  • Kleiber, Christian; Kotz, Samuel. Statistical size distributions in economics and actuarial sciences (en anglès). Wiley-Interscience, 2003. ISBN 0-471-15064-9. 
  • Vegeu aquesta plantilla
Distribucions discretes
amb suport finit
Distribucions discretes
amb suport infinit
Distribucions contínues
suportades sobre un interval acotat
Distribucions contínues
suportades sobre un interval semi-infinit
Distribucions contínues
suportades en tota la recta real
Distribucions contínues
amb el suport de varis tipus
Barreja de distribució variable-contínua
Distribució conjunta
Discreta
Ewens
Multinomial
Multinomial de Dirichlet
Multinomial negativa
Contínua
Dirichlet
Dirichlet generalitzada
Estable multivariant
Gamma normal
Gamma normal inversa
Normal multivariable
t multivariable
Matriu de valor
Matriu gamma
Matriu gamma inversa
Matriu normal
Normal de Wishart
Normal de Wishart inversa
t matriu
Wishart
Wishart inversa
Direccionals
Univariada (circular)
Asimètrica de Laplace envoltada
Cauchy envoltada
Exponencial envoltada
Lévy envoltada
Normal envoltada
Circular uniforme
Univariada de von Mises
Bivariada (esfèrica)
Kent
Bivariada (toroidal)
Bivariada de von Mises
Multivariada
von Mises-Fisher
Bingham
Degenerada i singular
Degenerada
Delta de Dirac
Singular
Cantor
Famílies