正态分布与幂律分布：独立相加的回路，还是相乘的回路

柱状图、饼状图这类常见图表能展示数据趋势，但正态分布曲线（高斯分布/钟形曲线）和幂律分布曲线（帕累托分布/二八法则，是同一现象的不同说法）能进一步揭示数据背后的系统结构。正态分布与中心极限定理密切相关——如果一个指标受若干独立因素共同影响、且每个因素都不能产生支配性影响，那么不管每个因素本身服从什么分布，这些因素叠加后得到的指标平均值会近似呈现正态分布；体现在[[系统的动态描述：存量/流量，与调节/增强回路|系统结构]]里，每个因素及其作用链路可以看作系统中一条独立且互不影响的回路，其中一些是增强回路、一些是调节回路，调节回路基本能抵消增强回路产生的影响——综合作用下，正态分布下的系统个体会趋近于平均值。幂律分布则不同——受影响的因素之间不是独立相加，而是相乘的关系；体现在系统结构里，这些相乘关系的多个因素共同形成一个增强回路，随时间推移，如果没有强有力的调节回路介入，这个增强回路的作用会越来越显著——这正是互联网领域”强者愈强”现象的结构性根源。可迁移启发：判断一个业务指标该按正态分布还是幂律分布的思路去分析，关键看驱动它的多个因素之间是彼此独立、各管一段（正态分布，此时该关注怎样增强好的独立回路、削弱坏的独立回路），还是相互放大、彼此强化（幂律分布，此时该关注怎样让这个唯一的增强回路运转得更顺畅、同时找到能真正介入的调节回路）——用错了分布假设去分析指标，得出的改进策略很可能南辕北辙。

结构图：

flowchart TB
  N["正态分布(高斯分布)"]
  N --> N1["中心极限定理:多个独立因素叠加"]
  N1 --> N2["结构=多条独立回路(互不影响)<br/>调节回路抵消增强回路→趋近平均值"]
  P["幂律分布(帕累托/二八法则)"]
  P --> P1["因素之间是相乘关系"]
  P1 --> P2["结构=单一增强回路(相乘因素共同构成)<br/>无强力调节回路介入→强者愈强"]