I statistik er en magtlov ( eng. power law ) et sådant funktionelt forhold mellem to størrelser, hvor en relativ ændring i en størrelse fører til en proportional relativ ændring i en anden størrelse, uanset startværdierne af disse størrelser: en størrelses afhængighed af en anden er en potensfunktion . Overvej for eksempel afhængigheden af arealet af en firkant på længden af dens side. Hvis længden fordobles, vil arealet blive firdoblet. [en]
I mange fysiske, biologiske og kunstige fænomener observeres fordelinger, der tilnærmelsesvis svarer til en magtlov på forskellige skalaer: for eksempel størrelsen af månekratere og soludbrud [2] , fødemønstre for forskellige arter [3] , aktiviteten af populationer af neuroner [4] , hyppigheden af at bruge ord på de fleste sprog, udbredelsen af efternavne , antallet af arter i kladerne af organismer [5] , omfanget af ulykker i kraftsystemer , antallet af sigtelser pr. kriminel, antallet af vulkanudbrud [6] , menneskelige skøn over intensiteten af stimuli [7] [8] og mange andre mængder [9] . Empiriske fordelinger kan svare til en magtlov i hele rækken af deres værdier, eller for eksempel i halen. Dæmpningen af lydvibrationer følger en effektlov over brede frekvensbånd i mange komplekse miljøer. Allometriske mønstre for forhold mellem biologiske variabler er blandt de bedst kendte eksempler på magtlove i naturen.
Magtloven er karakteriseret ved skalainvarians . Hvis er sandt , vil skalering af argumentet med en konstant faktor få selve funktionen til at skalere proportionalt. Det er:
hvor angiver direkte proportionalitet . Med andre ord, multiplicering af argumentet med en konstant resulterer bare i at gange værdien af funktionen med en konstant . Således er alle potenslove med en given eksponent ækvivalente op til multiplikation med en konstant, da de alle kun er skalerede versioner af hinanden. Dette giver anledning til en lineær sammenhæng mellem logaritmerne af og , og en ret linje på et log-log plot , som ofte betragtes som et kendetegn ved en potenslov. I rigtige data er denne funktion nødvendig, men ikke tilstrækkelig, til at konkludere, at der er en magtlov. Der er mange måder at generere endelige mængder af data, der efterligner en magtlov, men afviger fra den i den asymptotiske grænse (f.eks. hvis datagenereringsprocessen følger en lognormal fordeling ). Kontrol af modeller for overholdelse af en magtlov er et egentligt forskningsområde i statistik, se nedenfor.
Magtloven har en veldefineret middelværdi ved , kun hvis , og har en endelig varians , kun hvis . For de fleste af de kendte magtlove i naturen er værdierne af eksponenten sådan, at middelværdien er strengt defineret, men variansen er det ikke, så for dem er der mulighed for forekomst af begivenheder af den " sorte svane " type. [10] Dette kan illustreres med følgende tankeeksperiment: [11] Forestil dig dig selv i et værelse med venner og anslå den gennemsnitlige månedlige indkomst i det rum. Forestil dig nu, at den rigeste person i verden med en månedlig indkomst på omkring 1 milliard US$ trådte ind i dette rum. Hvordan vil værdien af den gennemsnitlige månedlige indkomst i rummet ændre sig? Indkomstfordelingen følger en magtlov kendt som Pareto-fordelingen (for eksempel fordeles amerikanernes rigdom i henhold til en magtlov med eksponenten 2).
På den ene side tillader dette ikke korrekt brug af traditionel statistik baseret på varians og standardafvigelse (f.eks. regressionsanalyse ). På den anden side giver det mulighed for en omkostningseffektiv indgriben. [11] Lad os f.eks. sige, at bilers udstødningsgas fordeles i henhold til en magtlov blandt biler (det vil sige, at den meste forurening kommer fra et meget lille antal biler). Så vil det være nok at fjerne dette lille antal biler fra vejene for at reducere den samlede mængde emission markant. [12]
Medianen eksisterer: for en potenslov x - k med en eksponent tager den værdien 2 1/( k - 1) x min , hvor x min er minimumsværdien, som potensloven gælder for [13]
Selvom magtloven er attraktiv af mange teoretiske årsager, kræver det mere end blot at tilpasse modelparametrene at bevise, at dataene faktisk følger en magtlov. [14] Det er vigtigt at forstå, hvordan fordelinger opstår: tilsyneladende kan lignende fordelinger forekomme af væsentligt forskellige årsager, og forskellige modeller giver forskellige forudsigelser, for eksempel ved ekstrapolering. [15] [16]