概念卡：重尾分布 Heavy-tailed Distribution

综合实践 · 01_专业概念地图/概念卡_重尾分布.md

概念卡：重尾分布 Heavy-tailed Distribution

一句话定义

重尾分布是尾部下降较慢、极端值出现概率比常见正态分布更高的分布。

它解决什么问题

它用于解释为什么现实中某些极端事件比正态假设下更常见。

典型使用场景

• 金融收益或亏损。
• 网络流量和节点连接数。
• 城市规模、财富分布、事故损失。

需要知道的关键词

• Power Law
• Pareto Distribution
• Tail Index
• Normal Distribution
• Outlier

和导师方向的关系

重尾分布连接极值理论和复杂系统：复杂网络中的度分布、风险事件中的损失分布都可能呈现重尾。

交流时可以怎么说

如果数据是重尾的，正态分布假设可能会低估极端事件概率。

我会先看尾部图形和高分位数，再判断是否需要极值模型。

可以追问的问题

• 数据是否真的重尾，还是只有少量异常点？
• 是否需要估计尾部指数？
• 正态模型在这里会造成什么偏差？

给 AI 的提示词

请解释重尾分布与正态分布的区别，并说明为什么重尾会影响风险评估。给一个可运行 Python 模拟。

我的理解边界

• 已理解：重尾意味着极端值比正态模型预期更多。
• 还不确定：如何严格检验重尾。
• 下次需要补：尾部指数。