下载掌阅APP，畅读海量书库
立即打开
总的来说，分布的尾部越厚，狗尾摇狗的作用越大。也就是说，信息主要集中在尾部，而较少存在于分布的“躯干”（中心部分）。实际上，对极度厚尾的现象来说，除了真正的尾部大偏差，所有普通偏差包含的信息量都很小。
这样一来，分布的中间部分完全变成了噪声，虽然“基于实证”的科学研究可能无法理解这一点。但在此类情况下，中心部分并不包含“实证”的信息。
该性质也解释了在存在尾部大偏差的领域中，由于单次样本的信息含量很低，大数定律作用缓慢。
该性质还解释了为什么观察到100万只白天鹅依然不能否认黑天鹅的存在，或者为什么进行100万次肯定性观察还赶不上一次否定性观察。在本章后面我们会将其与波普尔的非对称性联系起来。
它也解释了为什么人们永远不该比较由尾部驱动的随机变量（如流行病）和由躯干驱动的随机变量（如在游泳池中溺水的人数）。可以参考论文中系统性风险对政策制定的启示（西里洛、塔勒布，2020） [48] 。
图3.2 两个独立高斯分布的密度等高线。直线为x+y=4.1，可以直观地看到，最大概率出现在x=y=2.05处。
图3.3 两个独立厚尾分布的密度等高线（幂律分布类），直线为x+y=36，可以直观地看到，最大概率出现在x=36−ε或y=36−ε处，随着x+y变大，ε会趋于0。
图3.4 和图3.3相同的密度等高线，但是辅助直线和幂律分布的外侧等高线相切。我们可以看到，等高线越来越像一个十字，用术语表示为联合分布失去了椭圆特性。