"종 곡선은 *시민 통계에서 가장 유용한 도구이고, 잘못된 분포에 적용되면 가장 위험*. *차이를 아는 게 두 번째 시그마-트릭*."
이 트랙이 정착시킨 것
*분해 6 lesson*. *블랙 스완을 자연 신비가 아닌 모델러 오류로*. *LTCM 을 정규성 + 레버리지의 46억 달러 사례 연구로*. *2008 위기를 *잘못된 분포를 채택한 전체 산업의 4조-달러-and-counting 사례 연구로*. *소셜 미디어 바이럴리티를 *'평균 도달' 인 척하는 멱법칙으로*. *Pareto 자산을 *모든 현대 경제를 돌리고 *'평균' 통계가 조용히 왜곡하는 구조적 attractor 로*. *이제 종합*: *언제 종을 불신할지*.
네 불신 trigger
*기저 데이터가 트랙 03 의 네-질문 테스트를 통과할 때 종을 자신 있게 적용*. *다음 중 어느 것이라도 발사되면 불신*:
- 숨겨진 상관: *관측이 독립이 아니야* — *공통 원인, 네트워크, 피드백 루프 공유*. *종이 꼬리에서 너무 좁음*; *희귀 사건이 예측된 것보다 훨씬 더 자주 일어남*.
- 지배 요인: *한 변수가 결과 변동 대부분 통제*, *많은 작은 독립 요인이 합해지는 대신*. *CLT 가 적용 안 되고, 분포가 *지배 요인이 만드는 것이 됨*.
- 알려진 두꺼운 꼬리: *도메인이 *정전 두꺼운 꼬리 가족 중 하나* (금융, 사회, 네트워크, 생물 극단, 복잡 적응 시스템). *멱법칙-인식 도구 사용, *종 아님*.
- 불충분한 꼬리 관측: *기저 분포가 이론에서 괜찮아도, *모델을 정직하게 보정할 충분한 꼬리 사건을 실제로 보지 못함*. *두꺼운 꼬리 데이터의 평온한 샘플이 정규처럼 보임*; *꼬리 사건이 결국 도착하고, 모델이 잘못된 발*.
대신 무엇을 잡을지
*종 불신 trigger 가 발사될 때, *옳은 도구는 *무거운-꼬리 / 멱법칙 / 견고-통계 가족에 살아*:
- 멱법칙 fit (*꼬리 지수 fit 을 위한 Clauset et al. 방법*).
- 극값 이론 (*꼬리 모델링을 위한 일반화 극값, 일반화 Pareto 분포*).
- 견고 통계 (*평균과 σ 대신 중앙값과 IQR; trimmed 추정기*).
- 베이즈 방법 *명시적 prior 와 함께, *무거운 꼬리 허용 (Student-t likelihood, 계층 모델)*.
- 스트레스 테스트와 시나리오 분석 *단일 VaR-같은 숫자에 의존하기보다*.
종합
*종은 도구*. *모든 도구처럼, 도메인이 있어*. *두 번째 시그마-트릭이 *도메인 경계를 알고 *데이터가 다른 쪽에 있을 때 무엇을 잡을지* 아는 것*. *두 번째 없는 첫 시그마-트릭 (트랙 04) 이 *규모에서의 과신**. *다음 트랙 (08) 이 *이 실패 중 일부를 우아하게 처리하는 베이즈 도구로 같은 기저 퍼즐로 돌아옴*. *트랙 09 이 그러고 나서 *네 불신 trigger 가 비명을 질러야 할 때조차 *모델러를 종에 손을 뻗게 만드는 인지 편향을 검토*.