065 幂律分布、长尾、齐普夫定律、28律

幂定律与长尾分布
幂定律是一种描述现象频率的统计规律，指的是在一组数据中，较小的数值出现的频率高，而较大的数值出现的频率低。

幂定律常常用来描述一些自然和社会现象，如地震的强度分布、城市人口的分布等。

长尾分布也是一种经验规律，它描述的是一个现象中，较小数值的频率很高，而较大数值的频率虽然低，但仍有一定数量的出现。

这种分布模式的图表通常呈现出一个长尾部分，也称为“长尾”。

幂定律和长尾分布有着密切的联系。

在幂定律中，数据的频率和数值的关系通常以幂律函数的形式表示，而长尾分布则是幂定律的一种特殊情况。

长尾分布的特点是，在尾部部分的数据出现频率仍然远高于正态分布等其他分布。

应用中，我们常常可以使用幂定律和长尾分布来解释一些现象，例如在互联网中，少数热门网页的访问量远高于大多数其他网页；在销售领域，少数畅销产品的销售额也远高于其他产品等。

了解幂定律和长尾分布的规律，对于分析和预测这些现象都有重要的意义。

幂律分布什么是幂律分布？⽤数学表达就是“节点具有的连接数和节点数的乘积是⼀个定值”。

简单说，在⼀个系统⾥，如果拥有1万元的⼈有10个，那么拥有1000元的⼈就有100个，⽽有10块钱的⼈就有1万个。

这种分布现象就是幂律分布。

幂律分布的两个特征：1、⾼度的不平均。

2、⽆标度（分形）说幂律分布，你可能不太了解，但你肯定听过⼀个词，叫“⼆⼋法则”。

⽐如全社会80%的财富集中在20%的⼈⼿⾥，⼀个⾏业80%的市场被20%的头部公司占据，⼀家公司80%的⽣意来⾃20%的重点客户……⼆⼋法则，其实就是幂律分布最直观的表现。

这也是幂律分布特征之⼀，⾼度的不平均。

图⾥横坐标，代表随机变量的取值；纵坐标，代表发⽣的概率。

⽽幂律分布就是⼀条向下的曲线，拖着⼀个长长的尾巴。

它的含义也⾮常明确——在随机变量中，越⼩的数值，出现的概率越⼤；越⼤的数值，出现的概率则越⼩。

虽然幂律分布⽆处不在，但它的数学特征只有⼀个，就是⽆标度，也叫“⽆尺度”“尺度⽆关”。

不管怎么叫，意思是⼀致的——在任何观测尺度下，幂律分布都呈现同样的分布特征。

⼀般的分布都会有个尺度范围，在这个范围内服从这个分布，超过这个尺度可能就不服从这种分布了。

⽽幂律分布没有尺度的限制，不管截取任何⼀个部分，都仍然呈现幂律分布的特征。

⽐如，图书销量是服从幂律分布的，最畅销那本书的销量在前10名销量中占的⽐例，和前10名的销量在前100名的销量中占的⽐例，和前100名在前1000名的总销量中占的⽐例，⼤体都是相同的。

这就是幂律分布的数学特征——⽆标度。

符合幂律分布的⽹络，⼜被称为“⽆标度⽹络”。

如果你懂”分形“的话，分形的结构⾃相似性符合幂律分布。

世界是不公平的幂律分布和正态分布，给我们展⽰了两个不同的世界。

在正态分布的社会⾥，中等收⼊阶层占绝⼤多数，低收⼊和⾼收⼊阶层只占极少数。

这种分布，被认为是⾮常理想的社会结构，对聪明勤奋的⼈有激励，让弱者的落差感没那么⼤。

但是真实世界的趋势，是越来越像幂律分布。

幂律分布规律
幂律分布是一种重要的概率分布模型，它经常在自然界和人类社会的许多现象中出现。

它的特点是在尾部有很多极端事件，而在头部则呈现出较平滑的分布。

例如，在互联网上，网页的访问量、网站的外链数、用户的行为等现象都呈现出幂律分布。

幂律分布的重要性在于它可以帮助我们理解和预测很多实际问题，如城市规模分布、收入分布、自然灾害的频率和规模等。

幂律分布是一种特殊的概率分布，它的概率密度函数是形如$f(x) = x^{-alpha}$的幂函数，其中$alpha>0$称为幂律指数。

当$alpha>1$时，分布的期望存在，但方差却无限大；当$0<alpha<1$时，方差存在，但期望无限大。

通常情况下，$alpha$越小，分布的尾部
就越长，也就是越容易出现极端事件。

在实际应用中，我们经常需要对幂律分布进行参数估计和检验。

常用的方法有最小二乘法、最大似然估计、KS检验等。

此外，为了
更好地理解幂律分布的特性和应用，我们还可以借助可视化工具和复杂网络分析等方法来探索分布的规律。

总之，幂律分布规律是一个非常有趣和重要的话题，它涉及到许多领域，如统计物理、计算机科学、社会学等。

通过深入研究和应用，我们可以更好地理解世界的本质和运作方式。

- 1 -。

长尾理论与二八定律导读：1.长尾理论的含义2.长尾理论应用案例3.长尾理论是对“二八定律”的叛离一、长尾理论的含义长尾理论（The Long Tail Theory）是网络时代兴起的一种新理论，由美国人克里斯•安德森提出。

长尾理论认为，由于成本和效率的因素，当商品储存流通展示的场地和渠道足够宽广，商品生产成本急剧下降以至于个人都可以进行生产，并且商品的销售成本急剧降低时，几乎任何以前看似需求极低的产品，只要有卖，都会有人买。

这些需求和销量不高的产品所占据的共同市场份额，和主流产品的市场份额相比甚至更大。

简单的说，所谓长尾理论是指，只要产品的存储和流通的渠道足够大，需求不旺或销量不佳的产品所共同占据的市场份额可以和那些少数热销产品所占据的市场份额相匹敌甚至更大，即众多小市场汇聚成可产生与主流相匹敌的市场能量。

也就是说，企业的销售量不在于传统需求曲线上那个代表“畅销商品”的头部，而是那条代表“冷门商品”经常为人遗忘的长尾。

举例来说，一家大型书店通常可摆放10万本书，但亚马逊网络书店的图书销售额中，有四分之一来自排名10万以后的书籍。

这些“冷门”书籍的销售比例正以高速成长，预估未来可占整个书市的一半。

这意味着消费者在面对无限的选择时，真正想要的东西、和想要取得的渠道都出现了重大的变化，一套崭新的商业模式也跟着崛起。

简而言之，长尾所涉及的冷门产品涵盖了几乎更多人的需求，当有了需求后，会有更多的人意识到这种需求，从而使冷门不再冷门。

从模型来看，“长尾”实际上是统计学中幂律（Power Laws）和帕累托分布（Pareto distributions）特征的一个口语化表达。

过去人们只能关注重要的人或重要的事，如果用正态分布曲线来描绘这些人或事，人们只能关注曲线的“头部”，而将处于曲线“尾部”、需要更多的精力和成本才能关注到的大多数人或事忽略。

例如，在销售产品时，厂商关注的是少数几个所谓“VIP”客户，“无暇”顾及在人数上居于大多数的普通消费者。