Eine Familie von Wahrscheinlichkeitsverteilungen, deren Schwanz für große x als negative Potenz der Variablen abfällt: für große x gilt P(X ≥ x) ∝ x^{-α} mit α>0. Potenzgesetzverteilungen haben schwere (heavy) Tails und sind skalenfrei, sodass extreme Werte mit nicht‑vernachlässigbarer Wahrscheinlichkeit auftreten und keine charakteristische Skala dominiert. In der Bibliometrie beschreiben sie Phänomene, bei denen die Häufigkeit (z. B. Zitationen, Downloads) etwa als Potenz des Rangs oder der Größe abnimmt.

Prinzip

Folgt eine Größe einem Potenzgesetz, dann wird das aggregierte Verhalten vom Schwanz dominiert: eine kleine Teilmenge der Elemente trägt einen großen Anteil zur Gesamtsumme bei, und konventionelle Stichprobenmittel können unrepräsentativ oder instabil sein, sofern die Schwanzparameter keine endlichen Momente gewährleisten.

Demonstration

Illustratives Szenario: Ein Korpus von Artikelzitaten zeigt viele wenig zitierte und wenige stark zitierte Arbeiten. Die Darstellung von Rang gegen Häufigkeit in Log‑Log‑Achsen ergibt für hohe Ränge annähernd eine Gerade; die Schätzung der Steigung liefert α. Erkennung → linearen Bereich im Log‑Log‑Plot identifizieren und α schätzen → Aktion: Top‑Items bei Ressourcenallokation priorisieren → Konsequenz: Indexierung, Caching und Empfehlungen fokussieren diese wenigen einflussreichen Arbeiten.

Fehlanwendung

Eine einfache lineare Regression auf logarithmierten Zähldaten ohne Prüfung alternativer Heavy‑Tail‑Modelle oder der gültigen Anpassungsreichweite kann fälschlich ein Potenzgesetz suggerieren; eine Log‑Normalverteilung oder gestreckte Exponentialverteilung mit ähnlichem Verhalten wird häufig verwechselt.

Konsequenz

Die Modellierung als Potenzgesetz verlangt geeignete statistische Werkzeuge (robuste Schätzer, Maßzahlen für Tail‑Risiken), beeinflusst Designentscheidungen (Fokus auf populäre Elemente) und warnt vor der Verwendung des arithmetischen Mittels als zusammenfassende Kennzahl; außerdem impliziert sie Verwundbarkeit gegenüber Schocks, die Spitzenwerte treffen.

Umkehrung

Die idealisierten mathematischen Folgerungen (z. B. unendliche Varianz bei 0<α≤2) setzen unendliche Unterstützung voraus; empirische Systeme mit endlicher Population, Messgrenzen oder exponentieller Abschwächung weichen vom reinen Potenzgesetz ab und können endliche Momente sowie abweichendes Extremverhalten zeigen.

Abgrenzung

Eindeutig innerhalb: der obere Schwanz der Zitatzahlen, der x^{-α} über mehrere Größenordnungen folgt. Randfall: ein Datensatz, dessen mittlerer Bereich einem Potenzgesetz ähnelt, dessen Schwanz jedoch abwärts gekrümmt ist (Trunkierung). Eindeutig außerhalb: Gaußsche oder exponentielle Verteilungen, deren Schwänze viel schneller abfallen und keine skalenfreie Eigenschaft besitzen.

Semantische Spannung

Repräsentative Kennzahlen (Mittelwert/Varianz) versus Schwanzdominanz: das Bedürfnis nach einfachen Zusammenfassungsmaßen steht im Widerspruch zur Tatsache, dass wenige große Beobachtungen bei Potenzgesetzen die Summen bestimmen.

Synthese

Die Identifikation eines Potenzgesetzes verlagert den Fokus von zentralen Tendenzen auf das Verhalten der Schwanzverteilung und auf Mechanismen, die Schiefe erzeugen (z. B. Präferenzales Anhängen); korrekte Praxis koppelt tail‑bewusste Statistik mit kritischer Prüfung des Anpassungsbereichs und alternativer Erklärungen.