Логика чудес. Осмысление событий редких, очень редких и редких до невозможности - [11]

Наука Тихонии достигла таких высот, что ей удалось разработать модели, применимые не только к явлениям, обычным для самой Тихонии, но и к хаотическим событиям, происходящим в Диконии. В этом состоит одна из причин, по которым нам не следует пренебрегать тихонской наукой: модели Диконии были созданы наукой Тихонии. Методы остаются в точности теми же самыми. Отличаются только модели.

Распределение Коши

Портрета математика Огюстена Луи Коши (илл. 3) не встретишь на банкнотах, хотя он был изображен на французской почтовой марке, выпущенной в честь двухсотлетия со дня его рождения, а его имя можно найти в числе семидесяти двух имен французских естествоиспытателей, инженеров и математиков, выгравированных на Эйфелевой башне. Имя Коши, как и имя Гаусса, входит в число тех, что чаще всего встречаются студентам инженерных и математических факультетов. Приблизительно через 150 лет после Ньютона он устранил многие из неоднозначностей дифференциального и интегрального исчисления и придал этой науке форму, пригодную для преподавания на начальных университетских курсах.

Илл. 3. Огюстен Луи Коши (1789–1857), французский математик и физик

Кривую, которую построил Коши, можно видеть на илл. 4, и на первый взгляд она кажется очень похожей на кривую Гаусса. Когда я говорил выше, что называть распределение Гаусса «колоколообразной кривой» неточно, я как раз и имел в виду распределение Коши и многие другие кривые, форма которых также напоминает колокол. Казалось бы, ничто не заставляет предположить, что это распределение способно описывать гораздо более дикий мир, чем гауссова кривая.

При ближайшем рассмотрении оказывается, что на расстоянии трех стандартных отклонений от среднего кривая Коши не так близка к оси абсцисс, как кривая Гаусса, хотя и она подходит все ближе и ближе к оси при все бо́льших и бо́льших отклонениях. Так ли важно, насколько стремительно кривая приближается к оси абсцисс? Неужели сама природа модели, которую описывает кривая, фундаментально зависит от быстроты приближения этой кривой к нулю? Как мы вскоре увидим, это именно так.

Илл. 4. Распределение Коши

(График Йожефа Бенце)

Из всех математических и физических явлений, которые порождают кривую Коши, возможно, легче всего понять следующее. Предположим, женщина с винтовкой — назовем ее Фиби, в честь великой американской женщины-снайпера Фиби Энн Моузи, более известной под именем Энни Оукли, — стоит на некотором расстоянии — скажем, в десяти метрах — от стены, которая продолжается до бесконечности в обоих направлениях. Она закрывает глаза, крутится на месте и, остановившись под случайным углом к стене, стреляет в ту сторону, куда направлена в этот момент ее винтовка. Разумеется, в половине случаев она вообще промахнется, потому что будет стоять спиной к стене, но мы рассмотрим только те выстрелы, которые в стену попадают. Чаще всего пули будут бить в стену сравнительно недалеко от стрелка. Половина попаданий придется на 20-метровый участок, центром которого будет ближайшая к нашей героине точка стены. И если провести перпендикуляр от Фиби к этой точке, пули полетят по обе стороны от него под углом, не превышающим 45°. Поэтому самая высокая часть у кривой Коши, как и у кривой Гаусса, находится в середине. Но если винтовка Фиби окажется почти параллельно стене, то ее пуля поразит гораздо более удаленную точку. Распределение Коши описывает среднюю частоту попадания в каждую точку стены[24].

Основное различие между моделями Гаусса и Коши состоит в том, что в распределении Гаусса очень удаленные части стены оказываются в высшей степени безопасными. Если Фиби стоит в 10 м от стены и стреляет раз в секунду, причем угол, под которым она стреляет, задан нормальным распределением, то до попадания в точку, расположенную в 65 м или дальше, пройдет в среднем 10 000 лет, а в случае, если угол определяется распределением Коши, Фиби поразит отметку в 65 м в среднем всего за 21 с. Более того, достижение расстояния 1000 м или более займет в среднем всего 5 минут, 10 000 м — 52 минуты, 100 км — 9 часов, а 1000 км — всего лишь 3,6 суток. Таким образом, если при распределении Гаусса мы в безопасности уже чуть менее чем в сотне метров от винтовки Фиби, то в сценарии Коши нам не вздохнуть спокойно, даже будь мы в тысяче километров от нее.

Пули попадут в каждый участок стены — редко, но в течение разумного времени. В широко известной книге Криса Андерсона «Длинный хвост» (The Long Tail) утверждается, что в современной экономике возможности для развития бизнеса находятся именно в областях, далеких от среднего. Андерсон предлагает следующую стратегию: найти достаточно широкий канал распространения, по которому можно будет выводить на рынок не небольшое количество популярных товаров, а большое количество товаров непопулярных. В отличие от распределения Гаусса возможности, существующие вдали от среднего, совсем не столь редки. На илл. 5 показаны обе кривые на одном графике, и, посмотрев на него, можно понять, откуда взялось название книги Криса Андерсона. Хвостовая часть у кривой Коши значительно длиннее, чем у кривой Гаусса. Нельзя сказать, что один «хвост» длиннее другого — они оба продолжаются до бесконечности, — но гауссова кривая быстро становится настолько тонкой, что с практической точки зрения она, можно считать, и вовсе сходит на ноль.