La distribución de Pareto
La distribución de Pareto describe magnitudes dominadas por unos pocos valores muy grandes: ingresos y patrimonios, tamaño de las ciudades, tamaño de los archivos, siniestros de seguros, frecuencia de las palabras. Debe su nombre a Vilfredo Pareto, que hacia 1900 observó que aproximadamente el 20 % de la población poseía aproximadamente el 80 % de las tierras en Italia.
Tiene dos parámetros: una escala xm, el menor valor posible, y una forma α, que regula el grosor de la cola. Cuanto menor es α, más extrema es la desigualdad.
Fórmulas
Para x ≥ xm:
- densidad: f(x) = α × xm^α ÷ x^(α + 1);
- función de distribución: P(X ≤ x) = 1 − (xm ÷ x)^α;
- esperanza: α × xm ÷ (α − 1), finita solo si α > 1;
- mediana: xm × 2^(1/α);
- varianza: xm² × α ÷ ((α − 1)² × (α − 2)), finita solo si α > 2.
Ejemplo
xm = 1, α = 3, x = 2:
- P(X ≤ 2) = 1 − (1/2)³ = 0,875: el 12,5 % de los valores supera 2;
- densidad en 2: 3 ÷ 2⁴ = 0,1875;
- esperanza 1,5, mediana 1,26, varianza 0,75;
- el 20 % más alto posee 0,2^(1 − 1/3) ≈ 34,2 % del total.
La regla 80/20
Para una distribución de Pareto con α > 1, la parte del total que posee la fracción p más alta de la población vale p^(1 − 1/α). El reparto clásico 80/20 corresponde a α = log 5 ÷ log 4 ≈ 1,16. Con este valor, el 1 % más alto posee aproximadamente el 53 % del total: la concentración sube muy deprisa en el extremo de la cola.
Esperanza y varianza infinitas
Cuando α ≤ 1, la esperanza es infinita: la media de la muestra sigue creciendo a medida que llegan datos, arrastrada por raros valores enormes. Cuando 1 < α ≤ 2, existe la esperanza pero no la varianza: las medias convergen despacio y los errores típicos no son fiables. Muchos fenómenos reales, como el tamaño de las ciudades o ciertas pérdidas financieras, tienen un α entre 1 y 2.
Estimar α
Con datos por encima de un umbral xm, el estimador de máxima verosimilitud es α = n ÷ Σ ln(xi ÷ xm). En un gráfico log-log de la función de supervivencia, los datos de Pareto se alinean sobre una recta de pendiente −α.
Distribuciones vecinas
La distribución lognormal también produce datos asimétricos, pero con una cola más ligera. La distribución exponencial se obtiene tomando el logaritmo de datos de Pareto: ln(X ÷ xm) sigue una distribución exponencial de parámetro α.