正态与肥尾Normal vs Fat-Tailed Distributions

正态世界里典型值能代表多数，肥尾世界里少数极端值能改写整体

一天的暴跌，就能让多年的平稳记录失去说服力。1987 年 10 月 19 日，纽约股市卖单不断涌入，道琼斯工业平均指数当天跌了 22.6%。交易员面对的跌幅，远远超出平日几个百分点的波动。次日，在华盛顿，美联储主席格林斯潘领导的央行宣布提供流动性，支持金融体系。对持有股票的人来说，这一天只占全年交易日的一小部分，却能吞掉多年积累的收益。拿普通日子的波动安排仓位，遇到这样的日子，损失就会突破原先的尺度。

为什么成立

少数极端值能改写整体时，典型值就失去代表力

给一百名成年人加入一位身高两米的人，平均身高只移动一点。给一百名普通储户加入一位亿万富翁，平均财富却能翻很多倍。身高的极端值离普通值有限，财富的极端值能超过普通值几个数量级。

正态分布让远离中心的结果迅速变少

相近年龄、同性别成年人的身高，可以用正态分布近似。许多小影响相加，当它们的依赖较弱、单项没有压倒其余项时，容易形成钟形分布。用 $z = (x - μ) / σ$ 衡量偏离： $μ$ 是均值， $σ$ 是标准差， $z = 3$ 就是高于均值三个标准差。正态分布落在正负三个标准差之外的概率约为 0.27%；落在正负六个之外，约为十亿分之二。越远离中心，概率下降得越快。

肥尾把更多概率留给了巨大结果

这里说的肥尾，是尾部比正态分布衰减更慢，极端结果更常出现。财富能借助资产增长拉开差距；灾害损失能沿相互连接的设施扩大。它们没有身高那样紧的尺度约束。

一百笔损失中，99 笔各为 10 元，合计 990 元。另一笔为 1010 元，总损失达到 2000 元。这一笔独占一半以上；平均每笔 20 元，却遮住了真正决定总损失的那一笔。

正态世界重点看中心和波动，肥尾世界还要追问极端值能有多大。 尾部事件稀少，短记录容易漏掉它；一旦它出现，样本均值和标准差就会明显改变。

出处

这一区分来自概率论与统计学，经过多位研究者发展。棣莫弗于 1733 年研究二项分布的正态近似，高斯于 1809 年用正态分布描述测量误差。帕累托在 1896 年的收入研究中展示了厚重的上尾；曼德尔布罗特在 1963 年研究棉花价格时，发现大幅变动比正态模型预测的更频繁。

换个领域看

灾害与保险

巨灾集中赔付

巨灾会让许多保单一起出险。2011 年 3 月 11 日，日本东北地震引发海啸，并造成福岛核事故。住宅、工厂和基础设施同时受损，企业还承受停产损失。保险公司按平静年份的平均赔款准备资金，会低估这种集中负担。储备要覆盖的，是一次灾害同时触发的大批赔付。

技术

均值藏住卡顿

少数超慢请求能藏在漂亮的平均延迟里。一个结账接口处理了 100 次请求：99 次各用 0.1 秒，一次因下游超时用了 10 秒。平均耗时只有 0.199 秒，那位顾客却等了整整 10 秒。工程师要追查慢请求的触发路径，并设置超时和降级，让下游故障及时释放被占住的资源。

个人生活

赶飞机留余量

赶飞机时，严重堵车比平日平均车程更值得关注。一位上班族19 次通勤各花 30 分钟，一次因道路封闭花了 150 分钟，平均耗时是 36 分钟。按均值安排去机场，那次长延误就会让他错过航班。出发时间应给严重堵车留余量，出门前还要查替代路线是否畅通。

遇事时问自己

这个量受到身高那样紧的限制，还是能比普通值大上几百倍？
最大的几次结果占总量多少，去掉它们后平均值会变多少？
历史记录包含哪些严重冲击，最长的平静时期有多久？
哪些连接和连锁反应会把一次局部故障扩大成巨大损失？
如果结果远超历史最大值，我有哪些资源和退路可以承受它？

边界与误用

选分布前，先固定人群、时间尺度和所测的量。相近年龄、同性别的身高更适合正态近似；财富要看上尾，灾害要看损失规模。判断尾部应看极端值随规模增大如何变少，并结合损失扩大的机制。单次卡顿展示的是均值如何遮住极端体验，识别延迟分布还要观察更多请求。肥尾不等于均值和方差必然不存在，有些肥尾分布两者都有。最常见的误用，是沿用平静时期的均值和标准差，再套正态概率估算巨灾；记录短时，应把压力情景和可承受损失放进决策。

练一练

连锁餐饮集团的价格运营负责人准备启用自动调价脚本。过去一年，门店手工录错价格通常只影响一笔订单，平均修正成本为几十元。新脚本会把总部价格表同步到全国两千家店；若把“分”读成“元”，所有门店都会同时出错。负责人准备按去年的平均修正成本安排应急预算。

哪种判断最站得住？

早期投资基金的合伙人向出资人汇报一期基金的结果：向20家公司各投入同样金额，18笔归零，一笔收回本金的2倍，一笔收回本金的60倍。基金总共收回投入的3.1倍。出资人提出，最后一笔太特殊，评价基金时应该剔除它。

哪种评价最站得住？

办公室的行政主管接到咖啡杯溢出的投诉，记录了一个月的出杯量。咖啡机有两档：小杯约180毫升，大杯约360毫升；分别统计时，两档都只偏离设定值几毫升。主管把记录合并，看到直方图有两个峰，便把大杯那一峰解释为机器经常出现异常的大量出杯。

行政主管的哪一步判断出了问题？