Số thương vong trong các cuộc tấn công khủng bố 2 (nhưng có thể thấp
hơn rất nhiều)
Nguồn M.E.J, Newman (2005) và các tính toán của tác giả này.
Bảng 3: Ý nghĩa của sỗ mũ
Số mũ Phần của nhóm 1 % dẫn đầu Phần của nhóm 2% dẫn đầu
1 99,99%* 99,99%
1,1 66% 86%
1,2 47% 76%
1,3 34% 69%
1,4 27% 63%
1,5 22% 58%
2 10% 45%
2,5 6% 38%
3 4,6% 34%
* Rõ ràng, bạn không quan sát 100% trong một ví dụ giới hạn.
Vì thế, hãy nhớ rằng hàm mũ 1,5 là một con số xấp xỉ, rằng nó khó tính
toán, rằng nó không từ trên trời rơi xuống - ít nhất là không dễ dàng có
được nó, và rằng bạn sẽ mắc phải một sai số lấy mẫu rất lớn. Bạn sẽ quan
sát thấy rằng số lượng sách bán trên 1 triệu bản thường không bao giờ là 8
cuốn - nó có thể là 20 cuốn hoặc chỉ có 2 cuốn.
Quan trọng hơn, hàm mũ này bắt đầu ứng dụng với một con số được gọi
là “crossover”, (chuỗi phối hợp để thay đổi giá trị và tạo ra các chuỗi mới
trong vị trí của chúng) và chỉ ra những con số lớn hơn chuỗi phối hợp này.
Có lẽ nó bắt đầu với 200.000 cuốn sách, hoặc có lẽ chỉ 400.000 cuốn.
Tương tự, tài sản cũng có nhiều thuộc tính khác nhau hơn - ví dụ 600
triệu đô-la, khi sự bất bình đẳng gia tăng - so với mức dưới một con số như
thế. Làm cách nào bạn biết được điểm “crossover” nằm ở đâu? Đây là một
vấn đề. Tôi và các đồng nghiệp của mình đã làm việc với khoảng 20 triệu
mẫu dữ liệu tài chính. Tất cả đều có cùng một tập hợp dữ liệu, tuy nhiên,
chúng tôi không bao giờ thống nhất một cách chính xác được hàm mũ nào
có trong các tập hợp dữ liệu của mình. Chúng tôi biết rằng các dữ liệu đó
đã tiết lộ một định luật lũy thừa fractal, nhưng hiểu rằng không ai có thể
