帕累托法则
帕累托法则(英语:Pareto principle,也被称为 80/20 法则、关键少数法则、八二法則)[1] 指出,约仅有20%的变因操纵着80%的局面。也就是说:所有变量中,最重要的仅有20%,虽然剩余的80%占了多数,控制的范围却远低于「关键的少数」。[2] 管理咨询約瑟夫·朱蘭首先提出该原则。此一概念起源於義大利经济学家 帕累托 (Vilfredo Pareto) 在洛桑大學注意到了80/20的联系,于他的第一篇文章《政治经济学》中说明了该现象,例如:義大利约有80%的土地由20%的人口所有、80%的豌豆产量来自20%的植株等等。[3]
该原则在现今企业管理中广泛运用。例如,“80%的销售额来自20%的客户”。理查德·科赫(Richard Koch)撰写了一本“80/20”原则,展示了帕累托原则在企业管理和生活中的实际应用。
在数学上,80/20规则大体上跟随着一组特定参数的冪定律分布(也称帕累托分布),许多自然现象也呈现如此分布。[4]
经济学
原来的观察与人口和财富有关。帕累托注意到,意大利约有80%的土地由20%的人口所有。[5] 之后,他调查了其他国家。令人惊讶的是,类似的分布在其他国家也出现了。許多產品的市場被約三個寡頭壟斷。[6]
1992年的“联合国开发计划署报告”载有一个将不平等现象视为非常明显和易于理解的形式,即所谓的“香槟杯”效应[7] 其中显示全球收入分配非常不平衡,全球最富有的20%的人口控制着世界收入的82.7%。[8]
世界GDP的分布,1989 [9]
五分之一人口 | 收入 | 最富有 20% | 82.70% | 第二 20% | 11.75% | 第三 20% | 2.30% | 第四 20% | 1.85% | 第五 20% | 1.40% |
科学
一个理论所做出的预测越多,其中一些是廉价可测试的机会就越大。现有理论的修改使得新的独特预测减少了许多,增加了少量预测将难以测试的风险.[10]
软件
在计算机科学帕累托原理可以应用于优化 工作.[11] 微软 指出,通过修复报告最多的错误的前20%,给定系统中80%的相关错误将被消除。[12] Lowell Arthur 20%的代码有80%的错误,只要找到它们並修复[13]
在负载测试中, 通常的做法是估计80%的流量将在总时间段的特定20%内发生。
运动
帕累托原则已经适用于训练,其中大约20%的练习和习惯有80%的影响,受训者不应该专注于多种训练。这并不一定意味着吃的健康或去健身房并不重要,只是他们没有重要的习惯那么重要。[14]
职业健康和安全
職業安全专业人员使用帕累托原则强调危害优先级的重要性。假设20%的危害占80%的伤害,并且通过对危害进行分类,安全专业人员可以针对造成80%伤害或事故的危害的20%。或者,如果以随机顺序解决危险,则安全专业人员更有可能修复仅占剩余20%伤害的一部分的80%的危害之一。[15]
除了确保有效的事故预防做法外,帕累托原则还确保危险以经济秩序来解决,因为该技术确保所用的资源最适合用于防止大多数事故。[16]
其他应用
在工程控制理论中,如机电能量转换器,80/20原理适用于优化工作。[11]
少数人的规则中,可以在下注中看到,据说有了20%的努力,您可以匹配80%的投注者的准确率。[17]
在系统科学学科中, Epstein 和 Axtell 为经济中每个代理人定义的个人行为规则,从 分散建模方法创建了一个名为 SugarScapedecentralized modeling模型。财富分配和帕累托的80/20原则在其结果中突然出现,这表明原则是这些个人规则的集体后果[18]
帕累托原理在质量控制中有很多应用,它是帕累托图的基础, 帕累托图是用于全面品质管理和 六標準差技术的关键工具之一. 帕累托原则作为 时间管理和XYZ分析的基准,广泛用于物流 和采购,以优化货物库存,以及保持和补充该库存的成本。[19]
在美国的医疗保健中,有20%的患者被发现使用80%的医疗保健资源。[20]
一些超级传播者符合 帕累托法则,[21]其中约20%的感染个体对80%的传播负责,尽管超级扩散仍然可以说是超级扩张器占较高的传播或更低的传输百分比。[22] 在超扩散的流行病中,大多数个体感染,来自相对较少的 次要接触.
在 达尼丁研究发现犯罪的80%来自于20%的罪犯。[23] 这个统计数字用于支持 停止和制止政策和 破窗效应 警务,因为捕获那些犯有轻微罪行的罪犯,很可能会消除许多罪犯(或通常会承担更大的罪犯)。
数学笔记
这个想法在很多地方都有经验法则,但它通常被误用。例如,仅仅因为符合80%的案例,就是为了解决问题“符合80/20规则”是错误的; 也必须解决所有情况所需的资源的20%。此外,80/20规则滥用在少数类别或观察资料。
这是帕累托分布更广泛的特殊情况。如果作为表征帕累托分布的参数之一的帕累托指数 α, α = log45 ≈ 1.16, 那么有80%的效应来自20%的原因。
因此,还有80%的前80%的效果来自前20%的原因的20%等等。80%的80%是64%; 20%的20%是4%,所以这意味着“64/4”的法律; 同样意味着“51.2 / 0.8”的法律。类似地,对于底部80%的原因和底部的20%的影响,底部80%的底部80%只占其余20%的20%。这与世界人口/财富表大致相符,其中60%以下的人拥有财富的5.5%,接近64/4的连接。
64/4相关性也意味着4%至64%之间的32%“公平”面积,其中前20%(16%)的80%下降80%(上升20%)(下降了16%)涉及相应的上下底部效应(32%)。这也大致符合上述世界人口表,其中第二个20%控制了12%的财富,而最高的20%(可能)控制了16%的财富。
术语80/20只是工作中一般原则的简写。在个别情况下,分配也可以说,比较接近80/10或80/30。没有必要将这两个数字加起来,因为它们是不同的东西的度量(例如,“客户数”与“花费的数量”)相加。但是,每种情况下不超过100%,相当于他们所做的一样。例如,如上所述,“64/4法”(其中两个数字不包括100%)相当于“80/20法”(其中它们加起来为100%)。因此,独立地指定两个百分比不会导致比通过指定较大的分配得到更广泛的分布,并且使较小的分布相对于100%是其补码。从而, 加起来最多可以达到100个对称性。例如,如果80%的效应来自前20%的来源,则其余20%的效果来自较低的80%的来源。这称为“联合比例”,可用于衡量不平衡程度:96:4的联合比例非常不平衡,80:20显着不平衡(基尼系数: 60%), 70:30适度不平衡(基尼指数为40%),而55:45则略有不平衡。
帕累托原则是"冪定律" 关系的例证,这种关系也发生在火山和地震等现象。[24] 因为它是相似的在宽范围的幅度,它产生的结果从完全不同的 正态分布的现象。这个事实解释了复杂金融工具的频繁崩溃,这是以假设高斯关系适用于例如股价走势为前提的。[25]
平等措施
基尼系数和胡佛指数
使用 "A : B" 表示法 (例如, 0.8:0.2) 中 A + B = 1, 收入不平等度量 像 基尼系数 (G) 和所述 胡佛指数 (H) 可被计算。在这种情况下,两者都是一样的。
Theil 指数
在戴尔指数 用于量化不等式熵度量。对于50:50的分布,度量为0,在帕累托分布为82:18时达到1。较高的不平等程度产生高于1的Theil指数。[26]
- THE APPLICATION OF THE PARETO PRINCIPLE IN SOFTWARE ENGINEERING. Ankunda R. Kiremire 19th October, 2011
- Bunkley, Nick, Joseph Juran, 103, Pioneer in Quality Control, Dies, 纽约时报, March 3, 2008
- What is 80/20 rule?. 80/20 Rule of Presenting Ideas. [October 4, 2015]. (原始内容存档于January 28, 2013).
- Newman, MEJ. Power laws, Pareto Distributions, and Zipf's law (PDF): 11.[10 April 2011].
- Pareto, Vilfredo; Page, Alfred N., Translation of Manuale di economia politica ("Manual of political economy"), A.M. Kelley, 1971, ISBN 978-0-678-00881-2
- 全球份額調查:優勢企業走向寡頭化.
- Gorostiaga, Xabier, World has become a 'champagne glass' globalization will fill it fuller for a wealthy few, National Catholic Reporter, January 27, 1995
- United Nations Development Program, 1992 Human Development Report, New York: Oxford University Press, 1992
- Human Development Report 1992, Chapter 3, [2007-07-08]
- "Illustrations of the Logic of Science" 1877–1878, Charles Sanders Peirce
- 跳转至:11.0 11.1 Gen, M.; Cheng, R., Genetic Algorithms and Engineering Optimization, New York: Wiley, 2002
- Rooney, Paula, Microsoft's CEO: 80–20 Rule Applies To Bugs, Not Just Features, ChannelWeb, October 3, 2002
- Pressman, Roger S. (2010). Software Engineering: A Practitioner's Approach (7th ed.). Boston, Mass: McGraw-Hill, 2010. ISBN 978-0-07-337597-7.
- Training and the 80-20 rule of Pareto’s Principle
- Woodcock, Kathryn. Safety Evaluation Techniques. Toronto, ON: Ryerson University. 2010: 86.
- Introduction to Risk-based Decision-Making (PDF). USCG Safety Program. United States Coast Guard. [14 January 2012].
- The Pareto Principle of Prediction
- Epstein, Joshua; Axtell, Robert, Growing Artificial Societies: Social Science from the Bottom-Up, MIT Press: 208, 1996, ISBN 0-262-55025-3
- Rushton, Oxley & Croucher(2000), pp. 107–108.
- Myrl Weinberg: In health-care reform, the 20-80 solution | Contributors | projo.com | The Providence Journal 互联网档案馆的存檔,存档日期2009-08-02.
- Galvani, Alison P.; May, Robert M. Epidemiology: Dimensions of superspreading. Nature: 293–295. PMID 16292292. doi:10.1038/438293a.
- Lloyd-Smith, JO; Schreiber, SJ; Kopp, PE; Getz, WM. Superspreading and the effect of individual variation on disease emergence. Nature. 2005, 438: 355–359. PMID 16292310. doi:10.1038/nature04153.
- Nicola, Davis, 'High social cost' adults can be predicted from as young as three, says study, 衛報, 2016
- Bak, Per, How Nature Works: the science of self-organized criticality, Springer: 89, 1999, ISBN 0-387-94791-4
- Taleb, Nassim, The Black Swan: 229–252, 274–285, 2007
- On Line Calculator: Inequality
|