当前位置：文档之家 › 可推导出幂律分布的模型的文献小结

可推导出幂律分布的模型的文献小结

  • 格式：doc
  • 大小：32.00 KB
  • 文档页数：9

可推导出幂律分布的模型的文献小结可推导出幂律分布的模型的文献小结看了一些paper后，一直想写一个关于幂律分布的文献综述，但近年来研究复杂系统，特别是复杂网络的文献增长迅速，而只要是涉及复杂网络的，基本上都谈到了类幂律分布，因此，这个计划因为耗时费力，就一直被搁置下来。

一直搁置也不是办法，就想先做一个mini版的，有时间再慢慢扩充，就会越来越全面。

因此，就有了这个求精不求全的小版本。

本文件收录的主题是幂律分布的数学解析模型和幂律分布在实证数据中的拟合，重点在前者，后者仅引用而不展开介绍。

收录的都是我看过，觉得确实不错的论文，因为眼界有限，难免偏狭，有待继续完善。

Derek J. de Solla Price. Network of Science Papers. Science 149, 510-515 (1965).这篇论文最早发现了科学论文引文网络中的幂律度分布，并提出了一个平衡态的链接模型，依靠论文平均引文数保持不变的假说，作者推出了一个引文增长网络结构，在该种结构下，被引用率高的文献的被引用次数会越来越多，因此最后形成论文被引用次数的幂律度分布。

实际上，在这篇论文中，Price并没有给出详细的数学推导过程，有兴趣的同学可以参考K. K. Tung的Topics in Mathematical Modeiling (PrincetonUniversity Press, Cambridge, MA, 2007) 一书的第二章。

延伸：科学论文引用网络的幂律度分布，数十年后，得到了更大规模数据的确认。

可参考S. Redner. How popular is your paper? An Empirical Study of the Citation Distribution. The European Physical Journal B 4, 131-134 (1998) 以及Filippo Radicchi, Santo Fortunato, Benjamin Markines & Alessandro Vespignani. Diffusion of scientific credits and the ranking of scientists. Physical Review E 80, 056103 -056113 (2009).此外，科学论文的合作者网络，也被证明是符合幂律度分布的，可参考M. E. J. Newman. The structure of scientific collaboration networks. PANS 98, 404-409(2001) 以及M. E. J. Newman. Coauthorship networks and patterns of scientific collaboration. PNAS 101, 5200-5205(2004).B. Mandelbrot. A Note On a Class of Skew Distribution Functions: Analysis and Critique of a Paper by H. A. Simon. Information and control 2, 90-99 (1959).1959年到1960年，B. Mandelbrot和H. A. Simon在Information and control上有一场激烈的争论。

两人都提出了自己的数学模型来解释语言学中的Zipf律，并指责对方的模型存在问题（Mandelbrot 1959，Simon 1960，Mandelbrot1961a，Simon 1961a，Mandelbrot 1961b，Simon 1961b）。

Simon 认为Mandelbrot的“信息熵”的概念不适用于理解语言学中的信息概念，Mandelbrot指出自己的模型中的信息熵可以在非平衡态热力学和统计学的框架下得到更好的理解，代表的是一种最可能的状态，而并不局限于语言传递的真实信息，同时，Mandelbrot在这篇文章中指出Simon 的Zipf模型只在幂指数小于-2的情况下成立，而且Simon 模型中的“每次增加一个”的假设对于语言学是适用的，但并不能很好地解释经济学中的财富分布等情况。

Albert-Laszlo Barabasi & Reka Albert. Emergence of scaling in random networks. Science 286, 509-512(1999).这篇论文提出了“优先链接”的模型，在这个模型中，每次新加入网络的节点倾向于把自己链接分配给已有较多链接的节点，这样，一个随机链接的初始网络最终将演化出具有幂律度分布结构的网络。

作者提出了“无标度”（scale-free）的思想来理解幂律分布，并指出许多实际的网络，如互联网和电力网，都是无标度的。

延伸：互联网链接的幂律度分布结构的实证研究，可参考A.-L.Barabasi, R. Albert, H. Jeong, G. Bianconi, Power law distribution of the World Wide Web, Science 287(2000).2115.通过和来自各个学科的科学家合作，A.-L.Barabasi将他的模型迅速推广到各个领域，在过去的十年中掀起了一次复杂网络的研究热潮。

各类期刊上出现了满足幂律度分布的大量实证网络数据，在此不详述。

Bernardo A. Huberman, Peter L. T. Pirolli, James E. Pitkow, Rajan M. Lukose. Strong Regularities in World Wide Web Surfing. Science 280, 95-97 (1998).这篇文章介绍了一个用户随机跳转浏览网页，产生类multiplicative process（一堆代表系统动荡的随机变量相乘的过程）过程的互联网增长模型。

作者提出网站拥有的网页数的对数增长率满足对数正态分布，并提出满足这种分布的增长最终会导致整个互联网内网站拥有的网页数呈幂律分布。

延伸：在Bernardo A. Huberman, Lada A. Adamic Growth dynamics of the World-Wide Web Nature, 401, 131(1999)中，作者举出两大引擎的网页搜索数据，证明其搜索到的网页确实呈现幂律分布。

Bernardo A. Huberman & Lada A. Adamic. Evolutionary Dynamics of the World Wide Web. Arxiv preprint cond-mat/9901071(1999)再次解释了这个结果。

multiplicative process增长过程的另外一个名字叫Gibrat律，在生物学、地理学和经济学中都有出现。

在地理学中可参考S. Nordbeck, Geografiska Annaler, Urban allometric growth,Series B, Human Geography 53 (1971) 54. 在经济学中可参考D. Canning, L.A.N. Amaral, Y. Lee, M. Meyer, H.E. Stanley, Scaling the volatility of GDP rates, Economic Letters, 60 (1998) 335 以及Jan Eeckhout. Gibrat’s Law for (All) Cities. the American Economic Review 94, 1429–1451(2004). Ramon Ferrer i Cancho & Ricard V. Solé. Least effort and the origins of scaling in human language. PNAS 100, 788-791(2003).这篇论文重新诠释了语言学中的“最省力”（least effort）原则，并在信息论的框架下给出了这个概念的具体数学定义。

其实，least effort这个概念，本身就是一个很有潜力的概念，由语言学家G. K.Zipf在Human behavior and the principle of least effort (Addison-Wesley, Cambridge, MA, 1949)一书中提出来。

虽然Zipf发现了语言学，及其他一些数据中的Zipf律，并指出其可能是least effort的后果，但并没有建立完善的数学模型。

本论文中，作者提出了一个Speaker和listeners互相博弈的框架：Speaker倾向于每个字都相同，这样在发音的时候是最省力的（最小熵），listener 则希望每个字都不同，这样则最容易识别出每个字的意义（最大熵）。

博弈的结果是双方平均分担交流的成本，最后导致存在幂律的语言学结构。

Michael Mitzenmacher. A Brief History of Generative Modelsfor Power Law and Lognormal Distributions. Internet Math1, 226-251(2003).这篇论文谈论了可以产生对数正态分布的模型如multiplicative process，以及一些可以产生幂律分布的模型如barabasi的“优先连接”网络模型，Yule的“遗传变异”生态学模型和Simon的“单词增长演化”语言学模型（这两个模型的思想和优先连接模型的思想基本是一致的，但提出时间要早50年），Mandelbrot的“最小信息成本”语言学模型，Miller的“随机打字”语言学模型。

这篇论文一个独特之处在于将对数正态模型和幂律分布模型联系在一起，指出了前者向后者转化的条件，并提出了一种混合形式（double pareto distribution）；这篇论文的另一个独特之处是引用了大量已有的互联网数据研究的文献，讨论了互联网研究者在网络流量，文件大小，网络连接结构等方面的数据分析中对于对数正态和幂律分布的争论。

合集下载

正态分布 幂律分布

正态分布 幂律分布

正态分布幂律分布正态分布和幂律分布是两种常见的概率分布模型，它们在不同的领域中都有着广泛的应用。

这篇文章将从概率分布的基本概念入手，分别介绍正态分布和幂律分布的特点、应用和研究现状。

一、概率分布的基本概念概率分布是用来描述随机变量各个取值的概率分布情况的数学模型。

随机变量是指在一定的试验或观测条件下，可以取得不同取值的变量。

例如，投硬币的结果是正面或反面，这就是一个随机变量。

概率分布可以用分布函数或密度函数来表示。

分布函数是描述随机变量X的概率分布情况的函数，通常记作F(x)，定义为：F(x) = P(X≤x)其中P表示概率。

分布函数具有以下性质：1. F(x)是单调不减的，即对于任意的x1<x2，有F(x1)≤F(x2)。

2. F(x)的值域是[0,1]，即0≤F(x)≤1。

3. F(x)在x处的导数f(x)称为概率密度函数，表示随机变量X 在x处取值的概率密度。

概率密度函数f(x)具有以下性质：1. 非负性：f(x)≥0。

2. 归一性：∫f(x)dx=1。

3. 概率性：对于任意的a≤b，有P(a≤X≤b)=∫abf(x)dx。

二、正态分布正态分布又称高斯分布，是一种连续概率分布，其概率密度函数为：f(x) = 1/σ√(2π)exp[-(x-μ)/2σ]其中μ是均值，σ是标准差。

正态分布的分布函数为：F(x) = 1/2[1+erf((x-μ)/σ√2)]其中erf为误差函数。

正态分布具有以下特点：1. 对称性：正态分布的概率密度函数是关于均值μ对称的。

2. 峰度性：正态分布的峰度系数为3，表示其分布的峰度比较平缓。

3. 尖峰性：正态分布的尖峰系数为0，表示其分布的尖峰程度比较平缓。

正态分布在自然界和社会现象中都有广泛的应用，例如：1. 身高和体重的分布。

2. 物理学中的量子力学和热力学。

3. 经济学中的股票价格和利率。

4. 生物学中的基因表达和蛋白质结构。

5. 社会学中的心理学和人类行为。

ansys fluent 幂律模型

ansys fluent 幂律模型

一、概述本文旨在探讨ANSYS Fluent软件中幂律模型的应用。

幂律流动模型是一种描述非牛顿流体行为的数学模型，适用于多种工程问题的数值模拟。

在本文中，将介绍幂律模型的理论基础、ANSYS Fluent中的实现方法以及模拟案例分析等内容，以期为工程领域的研究人员和工程师提供参考。

二、幂律模型理论基础1. 幂律流动模型的基本概念幂律流动模型是描述非牛顿流体行为的数学模型之一，其流动特性由幂律指数描述。

当流体的粘度随着应力的增加而降低时，可以采用幂律模型描述其流动行为。

幂律模型的基本方程可以表示为：$$\tau = K (\frac{du}{dy})^{n-1}\frac{du}{dy}$$其中，τ为剪切应力，K为流变常数，u为流速，y为坐标，n为幂律指数。

当n=1时，恢复为牛顿流体模型。

幂律指数n越小，流体越趋于塑性流体；幂律指数n越大，流体越趋于做性流体。

2. 幂律模型的应用领域在实际工程中，幂律模型广泛应用于液态金属、聚合物熔体、润滑油、颗粒悬浮体等非牛顿流体的研究和工程计算中。

在金属挤压成形、聚合物熔融注射成形、油润滑液压系统等领域中，幂律模型都扮演着重要的角色。

三、ANSYS Fluent中的幂律模型1. 幂律模型的设置方法在ANSYS Fluent软件中，设置幂律模型可以通过定义非牛顿模型来实现。

用户可以在“材料”设置中选择非牛顿流体模型，并设定幂律指数n以及流变常数K等参数。

还可以根据实际情况设置流体的密度、粘度等物性参数。

2. 幂律模型的计算方法在进行数值模拟时，ANSYS Fluent会根据设定的幂律模型，在计算过程中考虑非牛顿流体的流动特性。

通过求解流体动力学方程以及非牛顿流体的本构关系，可以得到非牛顿流体在工程系统中的流动状态、剪切应力分布等关键参数。

四、幂律模型在工程案例中的应用1. 金属挤压成形模拟以金属挤压成形为例，应用ANSYS Fluent中的幂律模型，可以对金属在挤压过程中的流动行为进行数值模拟。

钟形分布和幂律分布-概述说明以及解释

钟形分布和幂律分布-概述说明以及解释

钟形分布和幂律分布-概述说明以及解释1.引言1.1 概述钟形分布和幂律分布是在统计学和概率论领域中常见的两种分布形式。

它们在描述人文、社会、生物和物理现象等方面具有重要的应用价值。

钟形分布又被称为正态分布或高斯分布，以钟形曲线状的分布特征而得名。

正态分布是一种对称的连续概率分布，其特点是均值、中位数和众数都相等，并且数据点在均值附近集中分布，呈现出明显的对称性。

正态分布广泛应用于自然科学和社会科学领域，如经济学、心理学、物理学等。

幂律分布是一种长尾分布，也被称为帕累托分布。

与钟形分布不同，幂律分布呈现出长尾的特点，即在分布右侧有大量较小的概率密度。

幂律分布在描述一些重要现象的发生概率时十分有效，如城市人口分布、互联网链接数量和地震强度等。

本文旨在深入探讨钟形分布和幂律分布的定义、特征及其在实际应用中的例子和实际意义。

我们将分别介绍这两种分布的基本概念和统计性质，并通过实例阐述它们的应用领域，包括经济学、社会学、生物学和物理学等。

最后，我们会总结这两种分布的特点，并对它们在未来的应用前景进行展望。

通过深入了解钟形分布和幂律分布，我们将能够更好地理解和描述现实世界中的复杂现象，并为各个领域的研究和决策提供有力的工具和方法。

1.2文章结构文章结构部分的内容可以包括以下方面的描述：文章的结构是为了有条理地讲述和探讨钟形分布和幂律分布的相关内容而设计的。

通过以下章节的安排，我们将逐步介绍和分析这两种分布的定义、特征、例子和应用，并最终总结它们的特点以及对其比较和应用前景的展望。

在第一章引言部分，我们将提供对整篇文章的概述，介绍整篇文章的结构和目的。

我们将简要介绍钟形分布和幂律分布的研究背景以及为什么它们具有重要性。

在第二章钟形分布部分，我们将给出钟形分布的定义和特征的详细解释。

我们会通过一些具体的例子来说明钟形分布的应用领域和重要性。

例如，钟形分布在统计学中常被用于描述人口分布、测量误差和自然现象的变化等。

幂律分布典型案例数据

幂律分布典型案例数据

幂律分布典型案例数据幂律分布是一种重要的概率分布形式，其在各个领域有着非常广泛的应用。

在许多实际问题中，都可以看到一些现象的频率与其规模成幂律分布的关系。

下面，我将介绍一些幂律分布的典型案例数据。

1. 因特网中网页的链接数因特网中，网页的链接数呈现出明显的幂律分布形态。

这一分布的形式揭示了因特网的特殊性质，即少数网页具有大量的链接，而绝大部分网页则只有很少的链接。

研究表明，在Internet Archive的网页页面链接数的分布中，前5%的网页链接数占据了接近50%的链接数，而后95%的网页只贡献了不到50%的链接数。

2. 地震的震级分布地震的震级分布也是一个典型的幂律分布的例子。

根据数据分析，在全球的地震中，震级为k的地震数量约为震级为k-1的地震数量的1/10。

这也就意味着，大地震很少出现，而小地震频繁发生。

这一现象对于地震预测和地震灾害的研究非常重要。

3. 飞机延误时间分布在航空运输中，飞机延误时间也呈现出幂律分布的形式。

研究发现，航班延误时间与延误概率成反比关系。

即，延误时间越长，出现的概率越小。

这一分布形式对于航班的运营和管理具有指导意义。

4. 生物繁殖次数在生物学领域中，也出现了一些幂律分布的形式。

例如，生物繁殖次数的分布往往是一个幂律分布的形式。

在研究中，科学家发现，部分不育女性比其他女性在繁殖后代的次数少很多，而生育超多的女性则非常少见。

以上就是几个典型的幂律分布案例数据。

这些数据揭示了幂律分布在各个领域中的普遍性和重要性。

通过对幂律分布的研究和分析，能够更好地理解和解释现实世界中许多现象的发生规律和内在机理。