ZIPF分布、PARETO分布和幂律分布

看文章的时候看到互联网上有些部分符合zipf分布，挺都没听说过，于是查下。

查了些资料，发现是哈佛的语言学家zipf在研究语料库的时候发现的，所以也叫齐普夫定律，按照单词在语料库中出现的次数排序，则该单词的排序数与其在语料库中出现频数成反比，或者说，二者乘积为一个常数。

其公式为：P(r) = C / r^α

这里 r 表示一个单词的出现频率的排名，P(r)表示排名为r的单词的出现频率。单词频率分布中 C约等于0.1, α约等于1。

这说明在英语单词中，只有极少部分的词被经常使用，而绝大部分词很少被使用。

如果按照出现频率排序，则第二常见的单词出现频率是第一常见单词出现频率的1/2，第三常见单词为第一常见单词出现频率的1/3，第三常见单词为第一常见单词出现频率的1/n。