Famille de distributions discrètes à longue queue produites par un processus de croissance stochastique où de nouvelles catégories (p. ex. mots, items) apparaissent avec une probabilité fixe et où les catégories existantes accumulent des occurrences proportionnellement à leur fréquence actuelle (mécanisme d'attachement préférentiel). Le modèle engendre des patrons de rang‑fréquence asymétriques utilisés pour décrire les fréquences des mots et certains phénomènes bibliométriques.

Principe

L'entrée séquentielle combinée à l'attachement préférentiel produit une distribution de fréquence fortement asymétrique dont l'exposant de queue est déterminé par le taux d'introduction de nouvelles catégories ; le processus explique comment les éléments précoces ou fréquents deviennent disproportionnellement communs.

Démonstration

Scénario illustratif : simuler une suite où à chaque pas, avec la probabilité p, un nouveau token est introduit et avec probabilité 1−p un token existant est échantillonné proportionnellement à son compte ; après de nombreux pas, l'histogramme des fréquences montre une longue queue conforme à la forme de Yule–Simon paramétrée par p.

Mauvaise application

Ajuster une forme Yule–Simon à des queues lourdes observées et en déduire que l'attachement préférentiel est le mécanisme causal sans tester d'autres alternatives (p. ex. croissance multiplicative, modèles de fitness) ou sans vérifier l'hypothèse de croissance séquentielle.

Conséquence

Fournit une hypothèse mécanistique pour des distributions de type loi de puissance en linguistique et bibliométrie et oriente les choix de modélisation, comme l'inclusion des taux d'entrée ou des noyaux d'attachement lors de la simulation ou de l'interprétation de données de fréquence.

Inversion

Les effets de taille finie, la troncature, le biais d'échantillonnage ou des mécanismes générateurs alternatifs peuvent produire des queues similaires ; dans des systèmes statiques ou non séquentiels, le processus Yule–Simon n'est pas un modèle causal valable.

Limite

Clairement dans : systèmes construits par additions séquentielles avec réutilisation préférentielle (p. ex. usage des mots dans des corpus en croissance). Cas limite : corpus assemblés à partir de sources indépendantes sans croissance séquentielle. Hors : jeux de données produits par tirages indépendants d'une distribution fixe sans dynamique de croissance.

Tension sémantique

Explication mécanistique (attachement préférentiel) ↔ Ajustement descriptif (loi de puissance) : un bon ajustement n'implique pas la preuve du mécanisme.

Synthèse

La distribution de Yule–Simon propose une hypothèse générative simple et testable pour des données de fréquence asymétriques dans des systèmes en croissance ; elle doit être considérée comme un modèle mécanistique parmi d'autres et évaluée au regard des preuves de processus.