什麼是柏拉圖分布百分位數計算器?
這個工具用來計算柏拉圖第一型(Pareto Type I)分布的百分位數,也就是所謂的分位數。只要給定一個目標累積機率,以及分布的兩個參數——尺度參數 \(a\)(最小值 \(x_m\))和形狀參數 \(b\)(即 alpha,尾端指數)——它就會回傳分布達到該機率時所對應的數值 \(x\)。柏拉圖分布常用來描述財富、所得、城市規模、檔案大小等具有「重尾」特性、符合「80/20 法則」的現象。
使用方式
首先選擇累積模式。如果你手上的機率是下尾的 CDF 值 \(P = \Pr(X \le x)\),請選「下尾累積機率 P」;如果是上尾的生存機率 \(Q = \Pr(X > x)\),則選「上尾累積機率 Q」。接著輸入介於 0 到 1 之間的累積機率,再填入尺度參數 \(a\)(必須大於 0)與形狀參數 \(b\)(必須大於 0)。計算器會先將你的輸入轉換為下尾機率,再對 CDF 進行反運算求解。
公式說明
當 \(x \ge a\) 時,柏拉圖第一型分布的 CDF 為 $$P(x) = 1 - \left(\frac{a}{x}\right)^{b}.$$ 對 \(x\) 求解可得 $$x = a \cdot \left(1 - P\right)^{-1/b}.$$ 若你輸入的是上尾機率 \(Q\),由於 \(1 - P = Q\),公式便簡化為 $$x = a \cdot Q^{-1/b}.$$ 因為 \(a > 0\)、\(0 \le 1 - P \le 1\) 且 \(b > 0\),計算結果必定滿足 \(x \ge a\),落在分布的有效範圍內。
實例演算
以上尾情形為例,設 \(Q = 0.1\)、\(a = 2\)、\(b = 3\),則 $$x = 2 \cdot (0.1)^{-1/3} = 2 \cdot 10^{1/3} = 2 \cdot 2.15443 = 4.30887.$$ 驗證一下:\(Q(x) = \left(\frac{2}{4.30887}\right)^{3} \approx 0.1\),結果無誤。再看標準柏拉圖分布,當 \(a = 1\)、\(b = 1\) 且 \(P = 0.5\) 時,中位數為 $$x = \frac{1}{1 - 0.5} = 2.$$
常見形狀值下的帕累托分位數
此表將尺度固定為 \(a = 1\),並對多個形狀值 \(b\) 與下尾機率 \(P\) 套用帕累托第一型分位數公式 \(x = a\,(1-P)^{-1/b}\)。數值四捨五入至小數點後四位。
| 形狀 b | P = 0.5 | P = 0.9 | P = 0.99 |
|---|---|---|---|
| 1 | 2 | 10 | 100 |
| 2 | 1.4142 | 3.1623 | 10 |
| 3 | 1.2599 | 2.1544 | 4.6416 |
| 5 | 1.1487 | 1.5849 | 2.5119 |
代入範例:當 \(b = 3\) 且 \(P = 0.9\) 時,\(x = 1\cdot(1-0.9)^{-1/3} = 10^{1/3} \approx 2.1544\)。
尺度參數作為純粹的乘數:x 與 a 呈線性比例關係。例如,當 \(a = 50\)、\(b = 2\) 且 \(P = 0.9\) 時,分位數為 \(50 \times 3.1623 = 158.11\)。若要對任意尺度使用此表,請將表中數值乘以你的 a。
常見問題
當 P = 1(或 Q = 0)時會發生什麼事?此時分位數會趨於無限大,因為柏拉圖分布的右尾無限延伸。計算器會特別標示這種情況,而不會出現除以零的錯誤。
當 P = 0 時結果代表什麼?分位數等於 \(a\),也就是分布的最小值與左端點。
尺度參數和形狀參數有何不同?尺度參數 \(a\) 決定可能的最小值,而形狀參數 \(b\) 則控制尾端的厚薄——\(b\) 越小代表尾端越重、出現極端大值的機會越高。