Distribuciones de ley de potencia: por qué los eventos extremos son más comunes de lo que crees

simulator beginner ~6 min
Cargando simulación...
Ley de potencia: P(x) ~ x^(-2,1)

Con alpha=2,1, la distribución de ley de potencia produce desigualdad extrema: el valor más grande es típicamente 100-1000 veces la mediana, y el 1% superior acapara el 20-40% del total. Este patrón aparece en tamaños de ciudades, frecuencias de palabras, riqueza y magnitudes de terremotos.

Fórmula

P(x) ~ x^(-alpha)
Zipf: f(r) ~ r^(-1)
Gini = 1/(2*alpha - 1) for Pareto distribution

La regla 80/20 y más allá

En 1897, el economista italiano Vilfredo Pareto notó que el 80% de la tierra de Italia era propiedad del 20% de la población. Este 'principio de Pareto' resulta ser un caso específico de un patrón matemático mucho más profundo: la distribución de ley de potencia. Cuando una cantidad sigue P(x) ~ x^(-alpha), los valores extremos no son raros valores atípicos — son una característica inherente del sistema.

El notable descubrimiento de Zipf

En 1949, el lingüista George Zipf mostró que las frecuencias de palabras siguen una ley matemática precisa: la n-ésima palabra más común aparece con una frecuencia proporcional a 1/n. La palabra 'the' representa aproximadamente el 7% de todo el texto en inglés, 'of' el 3,5%, 'and' el 2,8%. Esta misma relación rango-frecuencia aparece en tamaños de ciudades (Nueva York es aproximadamente el doble de grande que Los Ángeles), ingresos de empresas y tráfico de sitios web.

Las colas gruesas lo cambian todo

Las distribuciones normales (gaussianas) tienen colas delgadas — los eventos lejos de la media son exponencialmente raros. Las leyes de potencia tienen colas gruesas — los eventos extremos son solo polinomialmente raros, haciéndolos mucho más comunes de lo que la intuición sugiere. Por eso: el terremoto más grande es millones de veces más fuerte que el promedio; la persona más rica es millones de veces más rica que la mediana; y una sola publicación viral puede obtener más vistas que mil publicaciones promedio combinadas.

Pruébalo tú mismo

Ajusta el exponente de ley de potencia alpha y observa cómo cambian el gráfico rango-tamaño y el histograma. Menor alpha significa desigualdad más extrema. Cambia entre conjuntos de datos para ver la misma ley matemática manifestándose en dominios completamente diferentes. El coeficiente de Gini y la participación del 1% superior cuantifican cuán desiguales se vuelven las cantidades distribuidas según leyes de potencia.

Preguntas frecuentes

¿Qué es una distribución de ley de potencia?

Una distribución de ley de potencia tiene la forma P(x) ~ x^(-alpha), donde la probabilidad de observar un valor x disminuye como una potencia de x. A diferencia de las distribuciones normales, las leyes de potencia tienen 'colas gruesas' — los eventos extremos son mucho más probables de lo que una campana de Gauss predeciría. Los tamaños de ciudades, frecuencias de palabras, magnitudes de terremotos y la riqueza siguen leyes de potencia aproximadas.

¿Qué es la ley de Zipf?

La ley de Zipf establece que la frecuencia de un elemento es inversamente proporcional a su rango. La palabra más común ('the' en inglés) aparece aproximadamente el doble que la segunda ('of'), tres veces más que la tercera ('and'), y así sucesivamente. George Zipf observó este patrón en 1949 a través de idiomas, tamaños de ciudades y muchos otros fenómenos.

¿Qué significa el exponente de ley de potencia alpha?

Alpha controla cuán extrema es la desigualdad. Menor alpha significa colas más gruesas y valores más extremos. Para alpha < 2, la media es infinita (teóricamente). Para alpha < 3, la varianza es infinita. La mayoría de las leyes de potencia del mundo real tienen alpha entre 2 y 3.

¿Por qué las leyes de potencia aparecen tan frecuentemente en la naturaleza?

Varios mecanismos generan leyes de potencia: conexión preferencial (los ricos se hacen más ricos), criticalidad auto-organizada (modelos de montón de arena), procesos multiplicativos aleatorios y optimización bajo restricciones. La ubicuidad de las leyes de potencia refleja principios matemáticos profundos más que un único mecanismo físico.

Fuentes

Insertar

<iframe src="https://homo-deus.com/lab/network-science/power-law-distribution/embed" width="100%" height="400" frameborder="0"></iframe>
View source on GitHub