Siento mucho que Goss haya hecho un pequeño trabajo.

• ¿Qué es eso? De este gráfico podemos ver que en la historia de las matemáticas, solo Newton (en la parte izquierda de la cima) y Arquimedes (en la parte derecha de la cima) mencionados en el párrafo anterior están a un nivel con Gauss, mientras que Gauss está en el medio. Es muy difícil enumerar las grandes hazañas de Gauss, en parte porque su extensión es limitada y sus resultados son demasiados, y en parte porque su capacidad es limitada.

El contenido de la gestión del riesgo y la relación de Gauss es otra historia interesante. La curva de la normalidad que hemos mencionado anteriormente, es decir, la curva de la forma de una campana que pintó el matemático más desafortunado de la historia, Von Morf (La historia del riesgo: Von Morf y la curva de los dioses), y Von Morf murió en 1754, y Gauss nació en 1777, pero en los estudios posteriores, todos llamamos a la distribución de la normalidad como distribución de Gauss.

Esto puede complementarse con un conocimiento interesante y frío, llamado el enigma de la ley de Stigler, de que ningún teorema científico lleva el nombre de su primer descubridor. Por ejemplo, la constante de Euler, que es en realidad el e de la regularidad natural, fue descubierta por los Bernoulli; los dos primeros de las tres grandes leyes de Newton fueron propuestos por Galileo, Hooke (el irónico favorito de Newton) y otros; la conocida ley de López es el resultado de John Bernoulli, a quien López pagó; y, en otras palabras, los números árabes fueron inventados por los indios.

Así que, ¿quién se encargará de juzgar el caso de Weymouth?

Por supuesto, de nuevo, para cualquier propósito, es muy gracioso acusar a Gauss de copiar a Morpheus, después de todo, casi todos los matemáticos de la generación siguiente copian a Gauss más o menos. Gauss es un genio no excepcional, por ejemplo, en los libros de matemáticas de la escuela secundaria todos hemos leído la historia de la suma de diferencias de Gauss en la infancia y el cuadro regular de los diecisiete rectángulos de Gauss en la adolescencia.

Si un dios como este estuviera vivo hoy, no se sabe cuántas aplicaciones extrañas habría diseñado.

Gauss, que ha participado en casi todas las disciplinas de las matemáticas modernas, no ha expresado ninguna opinión sobre la gestión de riesgos, pero tiene un gran interés en la teoría de la probabilidad y la estadística matemática, como el mínimo de la multiplicación familiar, que se llama el Teorema de Gauss-Markov, que es un resultado de la investigación de la distribución normal. Gauss fue llamado a un pequeño pueblo de Baviera para hacer una medición geográfica, donde Gauss se quejó constantemente de que todos los que estaban a su alrededor no podían igualar su inteligencia, y si no fuera porque la red no estaba desarrollada, hoy no habría Sheldon.

Gauss necesitaba estimar la influencia de la curvatura de la superficie terrestre en la distancia de la superficie, y en ese momento no había satélites, por lo que el método principal de medición era la medición continua de la curvatura. Aunque los resultados no son los mismos en cada medición, a medida que aumenta el número de mediciones, vuelve a aparecer la ley de la curvatura de la media vectorial, o el valor central, que nos es familiar, y a través de esta distribución, Gauss puede determinar la distribución de estos valores de observación alrededor de la media para analizar la exactitud de los valores de la muestra. Gauss pudo haber sido el primero en descubrir aplicaciones de la distribución normal más allá del juego de azar, y esta es la razón por la que la distribución normal finalmente recibió su nombre, por supuesto, también es importante para el estudio de la calidad estadística de la distribución.

Y esa idea es en realidad la misma que la idea de nuestro actual manejo de riesgos, que necesitamos juzgar la exactitud de la información que tenemos en nuestras manos. Las diferencias en el mundo son mucho más que uniformes, cada flor es diferente, cada persona es diferente, pero la razón por la que las clasificamos es porque hay una consistencia común entre ellas, y esa es la esencia de lo que queremos buscar o entender, y esa es la curva de la horquilla, o la distribución de Gauss, donde encaja con la forma en que percibimos el mundo: encontrar orden en el caos.

La distribución normal constituye la base y el núcleo de la mayoría de los sistemas de gestión de riesgos. Por ejemplo, para las compañías de seguros, con un sinnúmero de muestras completamente independientes, como un accidente automovilístico en Shanghai no afecta la seguridad del tráfico general en Beijing, y un paciente en Chengdu es difícil de afectar el nivel de salud de la gente en Shenzhen. Las compañías de seguros pueden obtener la esperanza de vida de cada categoría mediante la extracción de un sinnúmero de muestras de diferentes edades y diferentes grupos, estimando el rango de fluctuación de la esperanza de vida, y las estimaciones serán más precisas con la adición de historia de tabaquismo, historia familiar de enfermedades, historia de adicción a los teléfonos móviles, historia de insomnio nocturno y longevidad.

Y para que aparezca una curva normal de distribución normal, se necesitan al menos dos condiciones: la primera es que haya tantas muestras como sea posible, y se puede imaginar que solo investigar las horas extras de los perros financieros de los programadores no puede deducir el atasco de tráfico en su ciudad, por no hablar de la cantidad suficiente de amores para saber qué es el amor (¡Ay!); y la segunda es que cada muestra necesita ser independiente de la otra, porque sin independencia no se puede garantizar la representación de las leyes, lo que suena un poco contraintuitivo, pero se puede imaginar que todos los ejemplos de niños de familias discriminadas tienen este problema.

En cuanto a la gestión del riesgo de inversión, tenemos un modelo analítico similar: encontrar el promedio de los cambios en los precios de las acciones en un mar de datos históricos, interpretar y predecir las desviaciones del promedio por diferentes razones, como si fuera la forma en que conocemos el mundo desde el más pequeño hasta el más grande. Sin embargo, ¿realmente los mercados bursátiles se ajustan a la distribución normal?

Sin embargo, la mayoría de los inversores en China no están interesados en la inversión.