此章為較技術性的章節。若不熟悉統計或對鐘形曲線細節不感興趣，可略過本章不影響全書理解。

一張十馬克紙鈔的諷刺#

2001 年塔雷伯在法蘭克福機場拿到一張即將停止流通的十馬克紙鈔——上面印著高斯（Carl Friedrich Gauss）肖像與他發明的鐘形曲線。

這個諷刺極大：1920 年代，德國的「賴希馬克」（reichsmark）幣值在幾年內從 4 馬克兌 1 美元跌到 4 兆馬克兌 1 美元——這個事實本身就足以證明鐘形曲線無力描述貨幣波動。只要這種事件發生過一次，整個鐘形曲線假設就應被推翻——但中央銀行家、監管者仍以鐘形曲線作為風險度量工具。

鐘形曲線的核心：機率衰減的速度#

塔雷伯把高斯分布的關鍵性質歸納為一句話：離平均值愈遠，機率愈快地呈指數性下降。

以身高為例（假設平均 1.67 公尺，每 10 公分為一個偏差單位）：

看看 60 公分到 70 公分這個 4 英寸的差距：機率從十億分之一跳到七千八百億分之一。22 個標準差以上，機率就達到「Googol」（1 後面接 100 個零）級別。這種急劇下降的速率，是允許你「忽略離群值」的唯一保證。

對比：曼德博式（可規模化）分布#

財富分布若是曼德博式（Mandelbrotian）會是這樣：

翻倍時，機率縮減一個固定比例——無論在 800 萬還是 1600 萬都一樣。這正是**沒有逆風（headwind）**的可規模化結構。

如果財富依高斯分布，則：

這就是兩種隨機性的本質差異：高斯式有「重力」拉它回來；可規模化的沒有任何阻力。

不平等：規模化分布的核心特徵#

「假設兩位作者一起賣了一百萬本書」——最可能的拆分是？

• 高斯式直覺：50 萬 + 50 萬
• 實際（極端世界）：99.3 萬 + 7,000

「假設兩個美國人合計年收入 100 萬美元」——最可能的拆分是 5 萬 + 95 萬，而非 50 萬 + 50 萬。

80/20 法則就是冪次律的常見特徵。但它可以更殘酷地表述為「50/01 法則」——50% 的工作來自 1% 的工人。在美國圖書業實際上是 97/20——97% 的銷售來自 20% 的作者。

平均值的暴政：克特萊（Quételet）的怪獸#

塔雷伯指出鐘形曲線的真正始作俑者不是高斯本人，而是 19 世紀比利時統計學家克特萊（Adolphe Quételet, 1796-1874）：

• 他發明了「平均人」（l’homme moyen）的概念
• 他到處看見鐘形曲線——數學家 F. Y. Edgeworth 把這個謬誤稱為「克特萊主義」（Quételesmus）
• 這種思潮在 19 世紀供給了「黃金中庸」（aurea mediocritas）的意識形態渴望
• 馬克思在《資本論》中引用克特萊，主張縮減社會偏差

數學家庫爾諾（Cournot）反駁：「平均人就是個怪物」——一個鋼琴家平均地比常人鋼琴好，但騎馬比常人差。完全平均的人，必須是半男半女。

高斯分布最初的名字是「la loi des erreurs」（誤差律）——將偏離均值視為錯誤。「應該」（ought）被混淆為「事實」（is），加上科學的權威背書——這正是中產階級意識形態的精神基底。

為什麼咖啡杯不會跳起來#

塔雷伯用咖啡杯的例子說明大數法則：

• 杯子由幾兆個粒子組成
• 每個粒子都在隨機跳動
• 但要讓整個杯子跳起來，需要所有粒子同步、反覆地朝同方向跳
• 在宇宙的壽命內這幾乎不會發生

這就是高斯分布如何透過「平均化」馴服隨機性——這也是賭場永不輸錢的原理。它們不讓任何單一賭客下大注，而是讓大量小額賭注集合成穩定的總體。

「標準差」的危險#

在極端世界中，標準差（standard deviation）這個概念毫無意義。「標準差」只在高斯類別中才有定義。

「相關性」（correlation）和「迴歸」（regression）也只在高斯框架中具有意義——但它們已深植於我們的方法中，沒有任何商業對話能避免「相關性」這個詞。

塔雷伯的實驗：拿任何極端世界的歷史資料，分成不同子段計算標準差或相關性——你會發現每個樣本算出的數字都不一樣。但人們仍把它們當成具體存在的物理屬性，賦予具體性。

如果你聽到「統計顯著」（statistically significant）這個詞，要警覺。背後通常是高斯分布假設——而這個假設本身就常常是錯的。理查·波斯納法官（Richard Posner）建議公務員應該向經濟學家學統計——但他並沒意識到自己正在鼓動災難。

鐘形曲線的兩個核心假設#

塔雷伯透過釘板（pinball machine, 即 quincunx）的拋擲思想實驗，揭示鐘形曲線的兩個關鍵前提：

假設 1：獨立性（Independence）#

• 每次擲幣彼此獨立
• 過去的結果不影響未來
• 沒有記憶、沒有累積優勢

第 14 章的優先連結與累積優勢，恰恰違反了這個假設——贏家更可能繼續贏。在現實中，連勝 40 次的機率遠高於高斯式遊戲所預測的。

假設 2：步幅有限（No Wild Jump）#

• 每次的步伐大小都已知（一步）
• 不會突然出現巨大的跳躍

如果其中任何一個假設失敗，鐘形曲線就完全失效。你會進入曼德博式、尺度不變的隨機性。

高斯分布的黑天鵝脆弱性#

高斯分布在估計「尾端事件」上極為脆弱：

• 4 sigma 的機率是 4.15 sigma 的兩倍
• 20 sigma 的機率是 21 sigma 的一兆倍

這意味著對 sigma 的微小估計誤差，會導致機率出現巨幅低估——我們可能對某些事件的機率錯了一兆倍。

高斯曲線何時可用？#

塔雷伯並非全盤否定高斯：

• 可用：身高、體重、卡路里——有重力與物理限制的量
• 可用：進入到「是否」型的二元變數（你有癌症或沒有，你懷孕或沒有）
• 可用：有強烈平衡力把系統拉回均值的場合
• 不可用：所有有「規模」差異的數量——財富、收入、銷量、媒體曝光、地震破壞、戰爭死亡

這也是為什麼第一部討論的心理學實驗（驗證偏誤、敘事謬誤等）能合理使用高斯方法——它們大多測量「有多少人犯錯」的二元變數。

「鐘形曲線無所不在」是個錯覺#

鐘形曲線的「無所不在」不是世界的屬性，而是我們心智的問題——源自我們看世界的方式。

塔雷伯花了人生大半時間思考這個問題，找不到任何在商業或統計界邏輯一致的人——既接受黑天鵝又拒絕高斯工具的人。多數人接受黑天鵝概念但無法走到結論——你不能用單一指標（標準差）來描述風險。

走到這個結論需要勇氣、執著、能連起點的能力，以及對隨機性深刻理解的渴望。還要有不把別人的智慧當聖經的能力。塔雷伯花了近 15 年才找到這樣的思想家——伯努瓦·曼德博（Benoît Mandelbrot）。

下一章將進入曼德博的世界。