[论文解读] Fitting and goodness-of-fit test of non-truncated and truncated power-law distributions

Álvaro Corral, Anna Deluca|arXiv (Cornell University)|Dec 20, 2012

Complex Systems and Time Series Analysis参考文献 11被引用 7

一句话总结

本文提出了一种稳健、系统的方法，通过最大似然估计、Kolmogorov-Smirnov拟合优度检验和蒙特卡洛模拟，对经验数据进行非截断和截断幂律分布的拟合。该方法通过可靠识别有效幂律范围，并在多种地球物理数据集中验证幂律行为，改进了以往方法。这些数据集包括地震矩、放射性核素半衰期和森林野火面积。

ABSTRACT

Power-law distributions contain precious information about a large variety of processes in geoscience and elsewhere. Although there are sound theoretical grounds for these distributions, the empirical evidence in favor of power laws has been traditionally weak. Recently, Clauset et al. have proposed a systematic method to find over which range (if any) a certain distribution behaves as a power law. However, their method has been found to fail, in the sense that true (simulated) power-law tails are not recognized as such in some instances, and then the power-law hypothesis is rejected. Moreover, the method does not work well when extended to power-law distributions with an upper truncation. We explain in detail a similar but alternative procedure, valid for truncated as well as for non-truncated power-law distributions, based in maximum likelihood estimation, the Kolmogorov-Smirnov goodness-of-fit test, and Monte Carlo simulations. An overview of the main concepts as well as a recipe for their practical implementation is provided. The performance of our method is put to test on several empirical data which were previously analyzed with less systematic approaches. The databases presented here include the half-lives of the radionuclides, the seismic moment of earthquakes in the whole world and in Southern California, a proxy for the energy dissipated by tropical cyclones elsewhere, the area burned by forest fires in Italy, and the waiting times calculated over different spatial subdivisions of Southern California. We find the functioning of the method very satisfactory.

研究动机与目标

• 解决以往方法在检测有限样本量或存在上限截断情况下的真实幂律行为时的局限性。
• 开发一种可靠、自动化的程序，用于识别幂律行为的有效范围，避免主观偏差。
• 为真实世界数据集提供拟合非截断和截断幂律分布的一致框架。
• 在先前报告或怀疑存在幂律行为的既定数据集上测试该方法的性能。
• 为地球科学和复杂系统的研究人员提供一种实用、可实现的算法，以实现统计严谨的幂律拟合评估。

提出的方法

• 使用最大似然估计（MLE）对经验数据拟合幂律参数（α 和 xmin），确保最优参数估计。
• 应用Kolmogorov-Smirnov（KS）统计量检验经验数据与拟合幂律分布之间的拟合优度。
• 采用蒙特卡洛模拟生成拟合模型下的合成数据集，以准确估计KS检验的p值。
• 系统评估多个候选幂律行为范围，以识别幂律行为开始的最优xmin（下限）。
• 通过引入上限b，将方法扩展至截断幂律分布，从而允许有限矩的存在，并实现对物理截断的现实建模。
• 使用连续和离散幂律分布的归一化常数的解析表达式，确保概率密度估计的正确性。

实验结果

研究问题

• RQ1 给定的经验数据集中，幂律分布开始的正确下限（xmin）是什么？
• RQ2 在有限样本中，如何可靠地区分真实幂律行为与其他重尾分布？
• RQ3 在真实地球物理数据中，引入上限截断（b）是否显著改善了幂律模型的拟合效果和统计有效性？
• RQ4 该方法在先前采用较不系统方法分析的数据集（如地震矩或热带气旋能量）上的表现如何？
• RQ5 该方法能否在单个数据集中检测到多个幂律行为区间，例如分布主体与尾部的显著不同行为？

主要发现

• 该方法成功识别出放射性核素半衰期的广泛幂律尾部，幂律指数α = 1.09，与早期报告一致。
• 对于全球及南加州地震矩数据，该方法确认了Gutenberg-Richter定律，α ≈ 1.0 至 1.1，并可靠地确定了该定律适用的最小地震矩。
• 热带气旋（通过PDI衡量）耗散的能量表现出幂律主体，指数接近1，而南印度洋区域的指数更高。
• 意大利森林野火面积仅在分布的极小、有限区间内表现出幂律行为，表明其幂律状态脆弱或局部化。
• 南加州地震间隔时间表现出对有限记录时长和空间划分尺寸敏感的精细幂律尾部。
• 该方法在等待时间分布的主体中检测到第二个幂律行为区间，其边界由下限和上限的交叉点界定，表明存在复杂的时序动力学。