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.
Когда Коши взялся за исследование математических свойств своей кривой, он решил выяснить среднее значение распределяемой величины – в нашем случае это меткие выстрелы Фиби, оставившие отметки на стене. Ответ казался вполне очевидным: поскольку Фиби с равной вероятностью может прекратить свое вращение, глядя как влево, так и вправо, эта точка должна находиться в середине стены. Действительно, кривая симметрична, но, когда Коши попытался вычислить среднее ожидаемое значение для конечного числа выстрелов – например, десяти, ста или тысячи, – он обнаружил, что с увеличением их числа возрастает и вероятность того, что при одном из них винтовка Фиби будет направлена почти параллельно стене и пуля попадет в чрезвычайно удаленную точку, причем это попадание не будет скомпенсировано другими выстрелами. Поэтому среднее по большому числу выстрелов значение не приближается к середине стены – вместо этого оно скачет по всей оси, и на него сильно влияют попадания в очень удаленные точки[25].
Илл. 5. Распределения Гаусса и Коши
(График Йожефа Бенце)
Математик сказал бы, что распределение Коши не имеет математического ожидания. Среднее значение по большому числу выстрелов может соответствовать любой точке стены. Именно этого не происходит в распределении Гаусса. Чем больше производится выстрелов, тем ближе среднее значение распределения Гаусса оказывается к середине стены, потому что очень редкие попадания в удаленные точки компенсируются гораздо бо́льшим числом попаданий в точки, расположенные ближе к центру.
Нет у распределения Коши и стандартного отклонения. При этом отсутствие у него стандартного отклонения отличается от его отсутствия у одного Эйнштейна. На самом деле было бы точнее сказать, что у Эйнштейна есть стандартное отклонение, но оно равно нулю и, следовательно, не поддается разумной интерпретации. Распределение Коши не имеет стандартного отклонения в том смысле, что не существует столь большого числа измерений, которое позволило бы определить типичное отклонение попаданий от середины. Во всех явлениях, которые хорошо
О распределении Коши см. Forbes et al. (2010) и Jondeau et al. (2007).
