跳转到主要内容
类别:定律
类型:数学定律
起源:统计学与物理学,19世纪
别名:幂律分布、帕累托分布、缩放定律
快速回答幂律是一种数学关系,其中一个量相对于另一个量根据幂函数发生变化——换句话说,一个变量的变化会在另一个变量中产生成比例的变化,无论起始规模如何。与正态分布不同,幂律分布的特点是极端事件驱动了大部分结果:少数事物占据了大部分结果。这一原则出现在财富分布、城市规模、互联网流量和语言频率中。

什么是幂律?

幂律描述了两个量之间的关系,其中一个的变化会在任何尺度上产生另一个的成比例变化。用数学术语来说,如果 y = kx^n,那么 y 随 x 的幂次缩放。幂律的独特之处在于它们缺乏特征尺度——没有代表分布的”典型”规模。
“在幂律分布中,少数极端案例比所有普通案例加起来更重要。”
这与正态分布(钟形曲线)根本不同,在正态分布中,平均值具有代表性,极端事件很少见。在幂律分布中,少数事件占大多数结果。理解这一点有助于解释为什么少数公司主导行业,为什么少数城市容纳了全国大部分人口,以及为什么少数书籍产生了大部分图书销量。

幂律的三层理解

  • 入门:认识到许多现实现象不遵循钟形曲线。相反,存在驱动整个系统的极端结果。想想财富:大多数人拥有 modest 的财富,但极少数亿万富翁持有大量财富。
  • 实践:在分析具有幂律分布的系统时,关注极端而非平均值。幂律系统中的平均值毫无意义——重要的是理解尾部 和极端。
  • 进阶:理解幂律来自反馈机制、优先依附和乘法过程。它们不是随机的——它们反映了集中结果的潜在动态。

起源

幂律起源于19世纪的统计物理学家,当时科学家观察到某些物理现象不遵循正态分布。维尔弗雷多·帕累托(Vilfredo Pareto)著名地在1906年记录了幂律,当时他注意到意大利80%的土地被20%的人口拥有——导致了我们现在所说的帕累托原则或80/20法则。 数学基础是通过统计力学的工作发展的,特别是通过20世纪中叶伯努瓦·曼德布洛格(Benoit Mandelbrot)的研究,他 formalize 了展示幂律缩放的分形几何数学。今天,幂律在物理、生物、经济、计算机科学和社会学中都有观察。

核心要点

1

尺度不变性

幂律在各个尺度上都是自相似的。适用于大事件的模式也适用于小事件。幂律图看起来无论放大还是缩小都一样——这就是为什么没有”典型”规模。
2

少数支配多数

在幂律分布中,少数实例占大部分结果。这就是为什么少数作者卖出大部分书籍,少数公司主导市场,少数疾病导致大部分死亡。
3

平均值毫无意义

因为极端事件主导,算术平均值具有误导性。“平均”城市规模并不能告诉你太多关于城市的信息,但了解幂律指数有助于预测分布。
4

反馈循环创造幂律

许多幂律来自反馈机制,其中成功带来成功(优先依附)。富者愈富,联系者愈联系,热门者愈热门。

应用场景

商业策略

80/20法则(帕累托原则)表明80%的结果来自20%的努力。在商业中,这意味着识别并专注于最有生产力的客户、产品或活动。

风险管理

在具有幂律分布的系统中,“黑天鹅”事件并不罕见——它们是必然的。理解这一点有助于构建能够承受极端事件的更有韧性的系统。

技术平台设计

互联网流量、社交网络和文件系统都遵循幂律。理解这一点有助于设计适当缩放的系统并预测瓶颈将发生在哪里。

个人生产力

幂律思维建议在你有优势的地方专业化,而不是试图擅长一切。少数高影响力活动产生大部分结果——识别并优先处理它们。

经典案例

图书市场

全球图书市场提供了一个清晰的幂律分布例子。研究一致表明,绝大多数图书销售集中在一个非常小的图书数量中。 在美国,每年大约出版300万本书籍,但前1%的图书约占所有单位销售额的50%。更引人注目的是,少数书籍——经典、畅销书和常年畅销书——产生了不成比例的大部分收入。 这并不是因为读者不理性或出版商不努力推广库存书目。相反,这是网络效应的自然结果:评论积累,口碑推荐复合,算法呈现热门项目,物理货架空间流向被证明的畅销书。一旦一本书获得了初步吸引力,它就变得更容易获得更多吸引力——一个创造极端集中的反馈循环。 对于作者和出版商来说,教训不一定是放弃长尾策略,而是认识到 blockbuster 经济学占主导地位。大多数书籍将卖出很少的拷贝;少数将卖出数百万本。幂律不是要解决的问题——是要理解并在其中工作的结构性特征。

边界与失效场景

幂律有重要的局限性:
  1. 并非普遍适用:许多现象确实遵循正态分布。将幂律思维应用于平均值有意义的情况会导致错误。
  2. 指数很重要:不同的幂律指数创建非常不同的分布。浅层幂律看起来更像正态分布;陡峭的幂律创造极端集中。
  3. 因果关系混淆:仅仅因为两件事遵循幂律并不意味着一个是另一个的原因。相关性不是因果关系,两者都可能由第三个因素驱动。
  4. 样本量问题:识别幂律需要大型数据集。有了小样本,很容易将随机变化误认为是幂律行为。

常见误区

帕累托原则(80/20)是幂律的一个例子,但幂律可以有任何指数。“80/20”法则是一个有用的启发式方法,不是数学确定性。
许多自然和社会现象遵循正态分布。幂律通常出现在具有反馈、优先依附或乘法过程的系统中——并非所有系统。
幂律通常来自基本动态。你可以减轻极端结果,但底层分布往往会持续存在,除非你改变基本机制。

相关概念

帕累托原则

80/20法则:80%的效果来自20%的原因——幂律分布的一个具体案例。

长尾

细分产品可以集体与主流产品相抗衡的洞察——与零售中的幂律分布相关。

优先依附

富者愈富的机制——通常是网络中幂律分布的原因。

一句话总结

在具有幂律分布的系统中,专注于理解和准备极端事件,而不是为平均值优化。