|
最后,如图3所示,参数κ测量上部尾巴的肥胖度:其大小越大(越小),尾巴越胖(越细)。有助于分析相关力矩和各种工具的表达式应注意,对于α=1,密度在原点处显示一个极点,对于α>1,存在内部模式。0 1 2 3 4 50.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7(a)xf(x;α,β,κ)β=1.20β=1.40β=1.60β=1.80(b)x1-F(x;α,β,κ)1e-02 1e-01 1e+00 1e+01 1e+021e-05 1e-04 1e-03 1e-02 1e-01 1e+00β=1.20β=1.40β=1.60β=1.80图2:β(=1.20,1.40,1.60,1.80)和固定α(=2.00)和κ(=0.75)的一些不同值的κ-广义PDF(a)和CCDF(b)图。CCDF绘制在双对数轴上,这是强调分布右尾行为的标准方式。请注意,分布随着β值的增加(减少)而展开(集中)。对于不平等的测量,已报道了κ广义分布(Clementi等人,20 08,2009,2010,2012b;Clementi和Gallegati,2016)。这些表达式是模型中参数的函数,在人口特征分析中非常有用。κ-广义分布也成功地用于三分量混合模型,用于分析净财富调查数据的奇异性,即总财富减去总债务的价值,这表明家庭或个人零财富和/或负财富的频率非常高(Clementi等人,2012a;Clementi和Gallegati,2016)。κ-广义混合模型对净财富分布的支持率为直线R=(-∞, ∞ ), 因此,允许描述净值为零和负的经济单位子集。
|