Неравенство

Давайте приглядимся получше к природе неравенства. В гауссовой структуре по мере увеличения отклонений неравенство все больше сходит на нет — из-за роста скорости падения. С масштабируемым все иначе: неравенство постоянно остается тем же. Неравенство среди сверхбогатых такое же, как и среди просто богатых, — оно не стирается**.

Рассмотрим конкретный пример. Возьмем наугад, скажем, двух американцев, которые вместе зарабатывают i миллион долларов в год. Каково самое вероятное распределение этих денег? В Среднестане — по полмиллиона каждому. В Край-нестане расклад был бы таков: $50 ооо и $950 ооо.

В ситуации с продажами книг расклад получился бы еще более асимметричным. Если бы два автора продали миллион

* Заметим, что масштабируемость величин не обязательно безгранична, но предел может быть очень-очень отдаленным, и поскольку мы не знаем, где он, то обращаемся с имеющейся ситуацией, как если бы она была неограниченно масштабируемой. Практически количество проданных экземпляров одной книги не может превышать количество живущих на земле людей, но этот верхний предел настолько велик, что мы вправе его вообще не учитывать. Более того, в новой обложке книгу, вероятно, удастся продать человеку, уже ее читавшему. А если говорить о кино, то нетрудно побудить зрителя несколько раз посмотреть один и тот же фильм,

** В августе 2006 г. я жил в отеле в Дедэме, в штате Массачусетс, рядом с летним лагерем, где отдыхал мой ребенок, и там как раз дорабатывал эту книгу. Признаться, тогда меня заинтриговало обилие крупногабаритных фигур, бродивших по холлу и создававших длинные очереди у лифтов. Как выяснилось, в этом отеле проводился ежегодный съезд "Национальной ассоциации в поддержку тучных людей". Большинство делегатов были настолько толстыми, что я затруднялся выделить среди них главного тяжеловеса: между толстяками царило своеобразное равенство (поскольку еще большая тучность просто несовместима с жизнью). А вот на съезде "Национальной ассоциации в поддержку богатых людей" один наверняка затмевал бы остальных и даже среди сверхбогатеев очень малый процент представлял бы большую долю общего богатства.

книг, то выяснилось бы, что раскуплено 993 ооо экземпляров книги одного, а другого — 7000. Эта комбинация куда вероятнее, чем то, что каждой книги продалось по 560 ооо экземпляров. Чем крупнее сумма, тем асимметричней будут части, на которые она разобьется.

Почему именно так? Для сравнения возьмем, например, человеческий рост. Если бы я сказал вам, что суммарный рост двух человек 14 футов, вы, скорее всего, разбили бы это число пополам: по 7 футов у каждого, но не стали бы предполагать, что у одного рост 2 фута, у другого 12 футов. Даже вариант 8 футов и 6 футов маловероятен! Люди выше 8 футов настолько редки, что такая комбинация была бы невозможна.

Крайнестан и правило 80/20

Вы когда-нибудь слышали о правиле 80/20? Это своего рода "брэнд" степенного закона — собственно, с этого и началось, когда Вильфредо Парето заметил, что 8о процентов земли в Италии принадлежит 20 процентам населения. Некоторые трактуют это правило таким образом: 8о процентов работы делается 20 процентами населения. Или еще вариант: 8о процентов усилий дают только 20 процентов результата, и наоборот.

Замечу, что правило это сформулировано не самым впечатляющим образом: его легко было бы назвать правилом 50/01, то есть 50 процентов работы делается i процентом работников. В последней формулировке мир предстает еще более несправедливым, но она абсолютно идентична первой. В каком смысле? Ну если уж неравенство существует, то нужно уточнить: те, кто составляют 20 процентов в правиле 80/20, вносят разный по объему вклад — лишь немногие из них обеспечивают ту самую, львиную, долю результатов.

Примерно один из сотни обеспечивает чуть больше половины общего вклада.

Правило 80/20 — только метафора; это не общее правило, тем более — не строгий закон. В американском книжном бизнесе пропорция скорее будет 97/20 (то есть 97 процентов продаж книг приходятся на долю 20 процентов авторов); если проанализировать соотношение в литературе не художественной, разрыв будет еще более разительным (половину продаж обеспечивают 20 книг из почти 8 тысяч).

Хочу заметить, что не все тут так уж неопределимо. В некоторых ситуациях концентрация 80/20 обладает весьма предсказуемыми и опознаваемыми свойствами, что позволяет принимать уверенные решения, поскольку вы можете заранее вычленить эти важные 20 процентов. Такие ситуации очень легко контролировать. Например, Малкольм Гладуэлл писал в "Нью-Йоркере", что лишь немногие зверюги охранники издеваются над заключенными. Отфильтруйте этих охранников, и уровень издевательств в тюрьме резко упадет. С другой стороны, в издательском деле никогда заранее не знаешь, какая книга принесет жирную прибыль. То же и с войнами: предугадать, какой именно очередной конфликт погубит огромную часть населения планеты, невозможно.

Трава и деревья

Начну эту главу с того, что подытожу и повторю рассуждения, уже изложенные ранее. Шкалирование неопределенности, основанное на кривой нормального распределения, не учитывает возможности (и соответственно влияния) резких скачков или разрывов, а потому неприменимо в Край-нестане. Пользоваться им — все равно что рассматривать траву, вглядываясь в мелкие стебельки и не замечая (огром

ных!) деревьев. Непредсказуемые большие отклонения, конечно, редки, но на них нельзя закрывать глаза, поскольку их кумулятивный эффект огромен.

Традиционное гауссово исследование мира начинается с фокусирования на обычном, и лишь потом, как нечто побочное, рассматриваются исключения или так называемые "выбросы". Но есть и другой подход, который за основу берет исключительное, а второстепенным считает обычное.

Я не раз уже подчеркивал, что есть случайности двух видов, качественно различные, как воздух и вода. Одна не зависит от крайностей; другая, наоборот, находится под их сильным воздействием. Одна не порождает Черных лебедей; другая порождает. Недопустимо использовать для газа те же характеристики, что и для жидкости. И если бы это было допустимо, такой подход не назывался бы "приближением". Газ не "приближается" к жидкости.

Можно с толком использовать гауссов метод для упорядочения тех величин, которые по объективным причинам не слишком сильно удаляются от средних значений. Если переменные находятся в зоне действия закона гравитации или имеются физические ограничения, препятствующие чрезмерной дифференциации размеров, значит, мы попали в Среднестан. Если сила равновесия настолько велика, что малейшая разбалансировка мгновенно ликвидируется, то опять-таки гауссов метод вполне приемлем. В противном случае грош ему цена. Вот почему экономика в общем-то зиждется на понятии равновесия: оно помимо всего прочего устраивает экономистов тем, что позволяет втискивать экономические явления в гауссовы рамки.

Заметьте, я не утверждаю, что среднестанский тип случайности не допускает никаких крайностей. Но они настолько редки, что в конечном итоге роль их очень невелика. Эффект

таких крайностей ничтожно мал и уменьшается с увеличением общей совокупности.

Теперь немного конкретики: если у вас имеется набор великанов и карликов, а иначе говоря, наблюдения, различающиеся на несколько порядков величины, вы можете все-таки оставаться на территории Среднестана. Почему? Сейчас выясним. Предположим, что у вас есть выборка в тысячу человек, с широким диапазоном от карлика до великана. Скорее всего, в этой выборке встретится много великанов, а не только какой-то один, случайный. Неожиданно возникший лишний великан не изменит среднего показателя, потому что заранее предполагается, что великанов несколько и ваш средний показатель, скорее всего, и так достаточно высок. Другими словами, наибольший экземпляр не может сильно возвышаться над средним. Средний показатель всегда учитывает наличие как великанов, так и карликов, поэтому никто из них не попадет в разряд редкостных исключений — если только не народится вдруг какой-нибудь уникальный мегавеликан или микрокарлик. Это будет Среднестан с большой амплитудой разброса.

Снова отметим следующую закономерность: чем реже событие, тем менее точно мы можем оценить степень его вероятности — даже в рамках гауссианы.

Позвольте вам продемонстрировать, как "гауссова кривая" вытесняет из жизни случайность — потому она так и популярна. Мы любим ее за то, что она дает определенность! Каким образом? За счет усреднения, о чем сейчас и пойдет разговор.

Почему нам удается спокойно пить кофе

Вспомним кое-что из обсуждения Среднестана в главе 3: ни одно отдельное наблюдение не влияет на итог. И это свойство будет приобретать все большую и большую значимость

по мере увеличения рассматриваемой вами совокупности. Средние показатели будут все больше и больше стабилизироваться, пока в конце концов самые разные выборки не станут похожими как две капли воды.

За свою жизнь я выпил множество чашек кофе (это моя главная слабость). Но никогда не видел, чтобы чашка подпрыгнула на два фута и кофе не проливался на эту рукопись без внешнего вмешательства (даже в России). В самом деле, чтобы стать свидетелем такого события, недостаточно невинного пристрастия к кофе; потребуется больше жизней, чем, пожалуй, можно вообразить, — шансы равны единице после такого количества нолей, что я не смогу их выписать, даже если употреблю на это все свое свободное время.

Но законы физики свидетельствуют, что чашка все же могла бы подпрыгнуть, — это очень маловероятно, но возможно. Частицы постоянно куда-нибудь прыгают. Как получилось, что кофейная чашка, сама состоящая из прыгающих частиц, не прыгает? Причина, говоря попросту, вот в чем: чтобы чашка подпрыгнула, нужно, чтобы все частицы прыгнули в одну и ту же сторону и сделали бы это вместе несколько раз подряд (при компенсирующем движении стола в обратную сторону). Все несколько триллионов частиц в моей кофейной чашке не прыгнут в одну и ту же сторону; этого не случится, сколько бы ни просуществовала еще наша Вселенная. Поэтому я могу спокойно поставить кофейную чашку на край письменного стола и призадуматься о более серьезных зонах неопределенности.

Спокойствие, гарантированное моей кофейной чашке, иллюстрирует то, как гауссова случайность "укрощается" усреднением. Если бы моя чашка была одной большой частицей и вела себя так, как обычно ведет себя отдельная частица,

то ее прыжки доставляли бы массу неприятностей. Но моя чашка — это триллионы очень маленьких частиц.

Хозяева казино прекрасно это понимают, и поэтому они никогда (если всё правильно делают) не теряют денег. Они просто не позволяют одному игроку сделать крупную ставку, вместо этого предпочитая, чтобы множество игроков сделали ряд ставок ограниченного размера. Игроки могут в сумме поставить 20 миллионов долларов, но не надо беспокоиться о благополучии казино: ставки равны в среднем 20 долларам; казино ограничивает ставки тем максимумом, который позволяет хозяевам казино спокойно спать по ночам. Поэтому колебания доходов казино будут смехотворно малы, независимо от активности всех имеющихся в наличии игроков. Никто из них никогда не выйдет из казино с миллиардом долларов.

Вышеизложенное представляет собой проявление высшего закона Среднестана: когда игроков множество, отдельный игрок практически не повлияет на итог, кроме как по мелочи.

Отсюда следует то, что колебания вокруг среднего в гаус-сиане, также называемые "ошибками", на самом деле — не повод для волнений. Они маленькие, их можно легко отбросить. Они — одомашненные флуктуации вокруг среднего.

Любовь к определенности

Если когда-то в колледже вам довелось прослушать (скучнейший) курс лекций по статистике и вы не поняли почти ничего из того, чем так восторгался профессор, если вы так и не уяснили, что такое стандартное отклонение, не расстраивайтесь. Понятие стандартного отклонения бессмысленно вне Среднестана. Ясно, что гораздо полезней и куда приятней было бы прослушать курс по биологическим аспектам эстетики или постколониальному африканскому танцу, и это проверяется эмпирически.

Стандартные отклонения не существуют вне гауссианы, а если и существуют, то они не важны и мало что объясняют. Но дальше — хуже. Гауссово семейство (которое включает различных друзей и родственников, скажем, закон Пуассона) — единственный класс распределений, для описания которого достаточно стандартного отклонения (и среднего показателя). Больше ничего не нужно. "Гауссова кривая" — находка для любителей упрощений.

Есть другие понятия, которые почти ничего не значат вне гауссовой ситуации — корреляция и, хуже того, регрессия. Но они глубоко внедрились в наши методы; в любом деловом разговоре непременно услышишь слово корреляция.

Чтобы увидеть, сколь бессмысленна бывает корреляция вне Среднестана, рассмотрим данные прошлых лет, по две величины, которые уж наверняка из Крайнестана, скажем, рынки облигаций и акций, или две цены акций, или такие две величины, как изменения в продажах детских книг в США и в производстве удобрений в Китае; или цены на недвижимость в Нью-Йорке и обороты монгольского фондового рынка. Измерьте корреляцию между парами величин за различные периоды, скажем, за годы 1994, 1995, 1996 и т. д. Корреляционное соотношение, скорее всего, будет резко меняться от периода к периоду. И при этом все говорят о корреляции как о некой реальности, делая ее осязаемой, наделяя ее физическими свойствами, материализуя ее.

Мы склонны конкретизировать и то, что называем "стандартными" отклонениями. Рассмотрим любой ряд прошлых цен или значений. Разбейте его на отрезки и измерьте их "стандартное" отклонение. Удивлены? Каждая выборка даст свое "стандартное" отклонение. Тогда почему все говорят о стандартных отклонениях? Попробуй пойми.

Картина тут та же, что и при искажении нарратива: когда сравниваешь прошлые факты и вычисляешь одну-единствен-ную корреляцию или стандартное отклонение, такой нестабильности не замечаешь.

Дата добавления: 2015-10-13