DOI: https://doi.org/10.1103/vnpc-zw1v
PMID: https://pubmed.ncbi.nlm.nih.gov/42493966
تاريخ النشر: 2026-05-29
المؤلف: Shohini Sen وآخرون
الموضوع الرئيسي: الأنظمة المعقدة وتحليل السلاسل الزمنية
نظرة عامة
تجري هذه الدراسة تحليلًا عدديًا لمقاييس عدم المساواة عبر نموذجين لتبادل الثروة الحركية – تحديدًا نموذج بانيرجي ونموذج تشاكرابورتي (سوق الفناء) – ونموذجين لمحاكاة الزلازل، وهما نموذج تشاكرابارتي-ستينشكومب ذو التداخل الثنائي الفراكتل ونموذج بوريج-كنوبوف غير الخطي. يقوم الباحثون بحساب دالة لورينز للثروة، وحجم التداخل، وتوزيعات الانهيارات الثلجية، مقدرين التغيرات في مؤشر جيني ($g$)، ومؤشر بييترا ($p$)، ومؤشر كولكاتا ($k$) فيما يتعلق بالتغيرات المنهجية في الميل للادخار لنماذج الثروة وأرقام الأجيال أو الكتل لنماذج الزلازل. ومن الجدير بالذكر أنهم وجدوا أنه بالنسبة لقيم معينة من المعلمات، تظهر المؤشرات $g$ و $k$ سلوكًا مشابهًا، حيث تتقارب حول $g = k \approx 0.86$، وهو ما يتماشى مع نقاط الحرج في النماذج الحرجة ذات التنظيم الذاتي.
تسلط المقدمة الضوء على أن عدم المساواة يظهر في كل من الأنظمة الاجتماعية والاقتصادية والجيولوجية، مما يستدعي إطارًا موحدًا للمقارنة. تؤكد الدراسة على أهمية نماذج بانيرجي وتشاكرابورتي في توليد توزيعات ثروة واقعية من خلال قواعد تبادل عشوائية، بينما تتناول أيضًا توزيعات من نوع باريتو ذات الصلة بالحرج الذاتي التنظيم. يمتد تحليل نموذجين الزلازل إلى مزيد من التحقيق في أنماط عدم المساواة، كاشفًا عن ميزات عالمية عبر هذه الأنظمة المتنوعة. تشير النتائج إلى وجود علاقة متسقة بين مؤشرات عدم المساواة، مما يدل على تشابهات أساسية في السلوكيات الإحصائية لهذه الأنظمة الديناميكية المعقدة.
النتائج
في قسم النتائج، تقدم الدراسة تقييمًا عدديًا لمؤشرات عدم المساواة، وتحديدًا مؤشر جيني ($g$)، ومؤشر بييترا ($p$)، ومؤشر كولكاتا ($k$)، لكل من نماذج تبادل الثروة الحركية (نموذج P) ونماذج محاكاة الزلازل. تستكشف النتائج، المفصلة في الجداول IV-VIII الموجودة في الملحقين A و B، العلاقات المتبادلة بين هذه المؤشرات مع مختلف المعلمات.
بالإضافة إلى ذلك، يتضمن الملحق C تمثيلات رسومية لدالة توزيع الاحتمالات للثروة في نموذج B، تم تحليلها عبر نطاقات مختلفة ($R$)، بالإضافة إلى الطاقة المرنة المنبعثة في نموذج BK مع مرور الوقت. توفر هذه التحليلات رؤى حول ديناميات توزيع الثروة وإطلاق الطاقة في النماذج المعنية.
المناقشة
في هذا القسم، يستكشف المؤلفون مقاييس إحصائية مختلفة لعدم المساواة مستمدة من منحنى لورينز، مع التركيز بشكل خاص على مؤشر جيني، ومؤشر بييترا، ومؤشر كولكاتا. يقيس مؤشر جيني، الذي يرمز له بـ $g$، عدم المساواة من خلال قياس المساحة بين منحنى لورينز وخط المساواة التام، ويتراوح من 0 (مساواة تامة) إلى 1 (عدم مساواة مطلقة). يمثل مؤشر بييترا، $p$، أقصى مسافة عمودية بين منحنى لورينز وخط المساواة، مما يشير إلى النسبة المئوية من الثروة التي يجب إعادة توزيعها لتحقيق المساواة. يُعرف مؤشر كولكاتا، $k$، بأنه الكسر من إجمالي الثروة الذي يحتفظ به أغنى شريحة من السكان، ويظهر نطاقًا من 1/2 (مساواة تامة) إلى 1 (عدم مساواة تامة). يبرز المؤلفون السلوك القابل للتعميم تقريبًا لهذه المؤشرات عبر أنظمة اجتماعية واقتصادية وجيولوجية مختلفة، مما يحفز دراسة عددية مقارنة باستخدام نماذج تبادل الثروة الحركية ونماذج محاكاة الزلازل.
تؤكد المناقشة على العلاقة بين هذه المقاييس لعدم المساواة حيث تتغير مع معلمات مختلفة في النماذج. على سبيل المثال، في نموذج B مع نطاق تبادل، تظهر المؤشرات $g$ و $k$ في البداية علاقة خطية قبل أن تتباعد عند قيم أعلى، مما يشير إلى تفاعل معقد مع اقتراب النظام من حالة الحرج. وبالمثل، في نموذج B مع الادخار، تظهر المؤشرات زيادة متسقة، حيث ينمو $p$ بمعدل أسرع مقارنة بـ $g$. تشير النتائج إلى أن ديناميات توزيع الثروة والآليات الأساسية لعدم المساواة حساسة لمعلمات النموذج، مثل نطاق التبادل وميول الادخار، التي تؤثر على الهيكل العام لعدم المساواة داخل الأنظمة المحاكية. تدعم النتائج بشكل كمي من خلال المحاكاة العددية، مما يوفر رؤى حول سلوك هذه المقاييس لعدم المساواة عبر سياقات مختلفة.
DOI: https://doi.org/10.1103/vnpc-zw1v
PMID: https://pubmed.ncbi.nlm.nih.gov/42493966
Publication Date: 2026-05-29
Author(s): Shohini Sen et al.
Primary Topic: Complex Systems and Time Series Analysis
Overview
This study conducts a numerical analysis of inequality measures across two kinetic wealth-exchange models—specifically the Banerjee model and the Chakraborti (Yard-Sale) model—and two earthquake-simulating models, namely the Chakrabarti-Stinchcombe two-fractal overlap model and the nonlinear Burridge-Knopoff model. The researchers compute the Lorenz function for wealth, overlap magnitude, and avalanche distributions, estimating the variations of the Gini index ($g$), Pietra index ($p$), and Kolkata index ($k$) in relation to systematic changes in saving propensity for the wealth models and generation or block numbers for the earthquake models. Notably, they find that for certain parameter values, the indices $g$ and $k$ exhibit similar behavior, converging around $g = k \approx 0.86$, which aligns with criticality points in self-organized critical models.
The introduction highlights that inequality manifests in both socio-economic and geophysical systems, prompting a unified framework for comparison. The study emphasizes the significance of the Banerjee and Chakraborti models in generating realistic wealth distributions through stochastic exchange rules, while also addressing Pareto-type distributions relevant to self-organized criticality. The analysis of the two earthquake models further extends the investigation of inequality patterns, revealing universal features across these diverse systems. The findings suggest a consistent relationship among the inequality indices, indicating underlying similarities in the statistical behaviors of these complex dynamical systems.
Results
In the results section, the study presents a numerical evaluation of inequality indices, specifically the Gini index ($g$), the Pietra index ($p$), and the Kolkata index ($k$), for both the kinetic wealth exchange models (P-model) and the earthquake-simulating models. The findings, detailed in Tables IV-VIII located in Appendices A and B, explore the interrelations of these indices with various parameters.
Additionally, Appendix C includes graphical representations of the probability distribution function of wealth in the B-Model, analyzed across different ranges ($R$), as well as the released elastic energy in the BK-Model over time. These analyses provide insights into the dynamics of wealth distribution and energy release in the respective models.
Discussion
In this section, the authors explore various statistical measures of inequality derived from the Lorenz curve, specifically focusing on the Gini index, Pietra index, and Kolkata index. The Gini index, denoted as $g$, quantifies inequality by measuring the area between the Lorenz curve and the line of perfect equality, ranging from 0 (perfect equality) to 1 (absolute inequality). The Pietra index, $p$, represents the maximum vertical distance between the Lorenz curve and the equality line, indicating the proportion of wealth that must be redistributed to achieve equality. The Kolkata index, $k$, is defined as the fraction of total wealth held by the richest segment of the population and exhibits a range from 1/2 (perfect equality) to 1 (perfect inequality). The authors highlight the near-universal scaling behavior of these indices across different socio-economic and geophysical systems, motivating a comparative numerical study using kinetic wealth-exchange models and earthquake simulation models.
The discussion emphasizes the relationship between these inequality measures as they vary with different parameters in the models. For instance, in the B-Model with an exchange range, the indices $g$ and $k$ initially exhibit a linear relationship before diverging at higher values, indicating a complex interplay as the system approaches criticality. Similarly, in the B-Model with savings, the indices show a consistent increase, with $p$ growing at a faster rate relative to $g$. The findings suggest that the dynamics of wealth distribution and the underlying mechanisms of inequality are sensitive to model parameters, such as the exchange range and saving propensity, which influence the overall structure of inequality within the simulated systems. The results are quantitatively supported by numerical simulations, providing insights into the behavior of these inequality measures across different contexts.