有一些复杂性了。事实上，沿海的许多西班牙宗教名称只与几次航海有关，所以有效复杂性就不是很大了。
在这种推理中，当建构用于描述人类活动结果的概略性图式时，任何例外的情形都可能碰到，不过幸运的是，这种例外情形不会影响到像麦克斯韦电磁场方程那样的图式。例如，位于旧金山北部，以其州立监狱著称的圣昆廷（San Quentin），听起来似乎像是早期某个西班牙探险家在圣昆廷节所发现的。然而，地名专家的研究表明，“圣”是被错误地加上去的，它本来的名字是昆廷，西班牙语为“Quintin”，是一个1840 年在那里被抓住的印第安酋长的名字。经验理论——季普夫定律
在上述地名例子中，通过推理，不仅识别出了规律性，而且还得出了一个关于这些地名的似真的解释及其这一解释的证明。那是个理想情况。可是，我们碰到的往往是非理想的情况。我们可能发现规律性，预言类似的规律性将在别的地方再出现，然后发现预言被证实，从而识别出一个强有力的模式；可是，它可能是一个不易找到合理解释的模式。在这种情况下，我们使用“经验的”或“唯象的”理论这样一些模糊的字眼来表示我们察觉到了所发生的但还不理解的事情。这样的经验理论有很多，它们将日常生活中所遇到的事物联系在一起。
假定我们拿起一本统计资料的书，比如《世界年鉴》。翻开一看，我们发现一个按人口从多到少排列的城市及其人口数字目录。可能还有关于某些独特的州及其他国家一些城市的表。表中，每个城市都被排了名次，若为1 则表示是人口最多的城市，2 则表示是人口第二多的城市，依此类推。关于所有这些表，存在着一个能描述人口随名次的增加而减少的普适规则吗？大致说来，答案是肯定的。在一定程度上，人口与名次是成反比的；换句话说，这些按顺序排列的人口数字大致成1，1/2，1/3，1/4，1/5，1/6，1/7，1/8，1/9，11/10，1/11 等等的比例。
下面让我们看看大企业按营业总额（即一年中的总销售额）从大到小排列次序的目录。有一个能描述售货总量随名次变化的近似规则吗？有的，它与人口随名次变化的规则相同。营业总额近似地与企业的名次成反比。
按货币额多少排列某个国家在某一年中出口额的情况又怎么样呢？同样，我们发现上述规则对它来说也是个相当不错的近似。
通过详细考察任何一个所提及的目录表，比如城市与人口目录，我们很容易证明那个规则，这是一个有趣的结果。不妨让我们先看看每个人口数目的第三位数字。正如所预料的那样，第三位数字是随机分布的；第三位数字分别是0，1，2，3 等的机会大致相等。可是，第一位数的分布却是完全不同的一种情形。第一位数为1 的占绝大多数，其次是2，依此类推。人口数以9 开头的百分比是极小的。上面所提到的规则能够预言第一位数字的分布情况，如果严格遵从的话，它将给出，以1 打头的数目与以9 开头的数目之比为45 比1。
如果我们放下《世界年鉴》这本书，而拿起另一本关于密码的书，其中有这样一个单词表，里面的单词按照某种英语文章中出现频率高低的顺序排列，那么情况又会怎么样呢？每个单词出现频率随名次变化的近似规则是什么呢？这里，我们碰到的还是同一个规则，这对其他语言也同样适用。
一个在哈佛大学教德语，名叫季普夫（G．K．Zipf）的人在30 年代初就注意到了许多这样的关系。它们都是现在被称之为季普夫定律（Zipf’slaw）的不同表现形式。如今，我们应该说季普夫定律是所谓的标度定律（scaling laws）或幂定律（powerlaws）的一个例子，后者在物理、生物和行为科学的很多情形中都会碰到。但在30 年代，这样的定律还是挺新奇的。
在季普夫定律中，被研究量与其名次成反比，也就是成1，1/2，1/3，1/4，等的比例。曼德布罗（B。Mandelbrot）已经证明，相继对这一序列进行两种修改可以得到一个更加普适（几乎是最普适）的幂定律。第一个改动是在表示名次的数上加一个常量，得出1/（1＋常量），1/（2＋常量），1/（3＋常量），1/（4＋常量），等等。进一步的修改是，以其平方或立方，或平方根，或其他次幂来代替这些分数。例如，若选择平方将能得到序列：1/（1＋常量）2，表8…1名次（n）城市人口（1990）未修正的季普夫定律用n 除10；000；000修正后的季普夫定律用（n － 2/5）3/4除5；000；0001 纽约7；322；564 10；000；000 7；334；2657 底特律1；027；974 1；428；571 1；214；26113 巴尔的摩736；014 769；231 747；63919 华盛顿特区606；900 526；316 558；25825 新奥尔良496；938 400；000 452；65631 堪萨斯城（密苏里州） 434；829 322；581 384；30837 弗吉尼亚滩（弗吉尼亚州） 393；089 270；270 336；01549 托利多332；943 204；082 271；63961 阿灵顿（得克萨斯州） 261；721 163；934 230；20573 巴特鲁日（路易斯安那州） 219；531 136；986 201 ， 03385 哈里（佛罗里达州） 188；008 117；647 179 、24397 贝克斯菲尔德（加州） 174；820 103；093 162；270摘自《1994 年世界年鉴》的美国城市人口与原季普夫定律及它的一个修正形式的吻合情况。1/（2＋常量）2， 1/（3＋常量）2， 1/（4＋常量）2，等等。在更普适的幂定律中，幂1 对应于季普夫定律，幂2 对应于平方（律），幂3对应于立方（律），1/2 次方对应于平方根（律），依此类推。
数学家们也给3/4 次方或1。0237 次方这样的幂赋予了意义。通常，我可以将这些幂看作是1 加上另一个常数。就如给名次加上一个常数一样，给幂也加上另一个常数。因而，季普夫定律就是上述两个常数均为零的特殊情形。
曼德布罗对季普夫定律的推广仍然相当简单：附加复杂性仅在于两个新的可调常数的引入，一个加到名次上，一个加到幂1 上〔顺便提一句，可调常数通常被称为“参数”（Parameter），不过近来，可能受到与之相像的“周长”（perimeter）一词的影响而被广泛地误用了。修正后的幂定律中有两个附加参数〕。在任何给定情况下，我们可以引入那样两个常数，并通过调节这两个数而使之与表中数据达到最佳的吻合，而不必拿最初的季普夫定律去与数据作比较。从图8…1 中我们可以看出，稍经修正的季普夫定律明显比未修正的规则（即两个常数均设为零的情形）能更好地描述人口数字的变化。而其实后者已经能够相当好地描述那些数了。“稍经修正”的意思是，在用作比较的修正幂定律中，所引入的新常数相当小。（表中的常数纯粹是通过考察那些数据而选择出来的。一个最佳的吻合将能得到规律与实际人口数字之间的更好的一致性。）
当季普夫最初描述他的定律时，人们只知道极少数其他标度定律。他试图挑起这样一个重大的讨论，即他的原理怎样使行为科学与物理学区别开来，因为物理学中不存在这些定律。如今，在物理学中发现了许许多多的幂定律之后，各种评论似乎倾向于贬损而不是抬高季普夫的声誉。据说还有另外一个因素也使他名声大降，那就是他对希特勒重新分配欧洲领土的计划表示出某种同情，但他辩论说希特勒的征服趋向于使欧洲各国人口更加符合季普夫定律，这也许很能说明他的态度。
不管这件事情是真是假，它都教给我们一个关于将行为科学应用到政策上的重要教训：正因为可能会出现某些特定关系，所以，那些完全符合标度定律的情况并不总是理想的。在埃斯彭研究所（Aspen Institute）最近的一期讨论班上，我也遇到了这个问题。当时我提到，福利或收入分布在某些特定条件下趋向于服从标度定律。立即有人问我，出现这样一种情况是否是件好事。我记得当时我耸了耸肩膀。毕竟，决定福利或收入不平均程度的分布坡度，取决于定律中出现什么样的幂。图8…1 幂定律（这里是原季普夫定律）的标度性
季普夫定律的基本机制至今还不清楚，许多其他幂定律也一样。在研究这些定律（特别是它们与分形的联系）方面作出过重要贡献的曼德布罗很坦白地承认，如果说他在科学生涯的早期取得了成功，那么，部分原因就在于他将重点放在探寻与描述幂定律上，而不是试图解释它们。（他在《自然界的分形几何》（TheFractal Geometry ofNature）一书中，曾提到“喜欢强调结果而非原因”。）不过他立即又指出，在某些领域，特别是物理学中，已经提出了相当具有说服力的解释。例如，非线性动力学中的混沌现象就与分形和幂定律有着密切的联系，不过其联系方式科学家们尚未完全弄清楚。曼德布罗也时常建构一些符合幂定律的模型。例如，他计算了由著名的猴子打出的文章中，单词的出现频率。它们服从修正后的季普夫定律，其幂随着打出符号的越来越多而趋近于1（对应于原季普夫定律的幂值）。（顺便提一句，他也注意到，在用正常语言写出的文章中，当单词的出现频率符合修正后的季普夫定律时，其幂可能远不等于1，偏差量的大小取决于所讨论的文章中词汇量的大小。）标度不变性
最近几年，在解释某些幂定律方面取得了很大的进展。这些努力之一涉及到被称作“自组织临界态”（self…organizedcriti…cality）的问题。这一概念是由丹麦理论物理学家佩尔·贝克（Per Bak）和唐超（Chao Tang）与库特·维森菲尔德（KurtWiesenfeld）一起提出来的。最初他们将这个概念应用到沙漠或沙滩上常见的沙堆上，那些沙堆大致成圆锥形，每堆都具有清晰的斜坡。这是如何形成的呢？假定风不断将沙粒吹到沙堆上（或者物理学家用容器不断往试验沙堆上滴加沙粒）。随着沙堆的增大，其斜面变得越来越陡，但这种变化关系只发生在坡度达到一个临界值之前。一旦坡度达到那个临界值，继续添加的沙粒开始使沙堆崩落，从而降低其高度。
如果沙堆坡度大于临界值，那么将会出现一种不稳定的情况，这时沙堆的崩落迅速地使坡度不断减小，直到它回到临界值为止。这样，沙堆自然而然地被“吸引”到坡度的临界值，而勿需任何特殊的外部调节（所以称为“自组织”临界态）。
崩落量通常用参与崩落的沙粒数来衡量。观察表明，当沙堆的坡度接近其临界值时，崩落量相当精确地服从幂定律。
在这个情况中，附加到季普夫定律的幂上的常数很大。换句话说，如果按从大到小的顺序给崩落量排名，那么参与崩落的沙粒数将随名次的增大而急剧减少。沙堆中崩落的分布是一个无论从理论上，还是实验上都被成功地研究过的一个幂定律的例子。由贝克和他的同事所做的崩落过程的数值模拟，不但重现了该定律，而且还得出大指数（幂）的一个近似值。尽管随着名次的增加，崩落量急剧下降，但在一定程度上，几乎各种标度的崩落量都存在。一般来说，服从幂定律的分布是一个“标度不变”的分布。这就是幂定律也被称为“标度定律”的原因。那么一个分布律具有标度不变性究竟意味着什么呢？
幂定律的标度不变性可以通过原季普夫定律来很好地说明。拿城市人口来说，根据季普夫定律，各城市的人口数成1/1∶1/2∶1/3∶1/4∶1/5？？的比例。为简单起见，将人口数取成100 万，1002万，1003万，等等。让我们用一个固定不变的分数，不妨设为1/2，去乘那些人口数字；那么新的以百万计的人口数就变成了1/2，1/4，1/6，1/8，1/10？？它们恰好是原来处于第2，4，6，8，10，？？位的原有人口数。因此，以2 除所有的人口数相当于以2 乘城市的名次，使它们从1，2，3，4，？？变成2，4，6，8？？。如图8…1 所示，将新名次与原来名次的关系在图上画出来，将得到一条直线。
这种直线关系可作为标度定律（其中涉及到的量可以为任何类型）的定义：所有各个量换算为任意常数倍（在上述例子中为1/2 倍）相当于给原来的那组量编新的名次，使新名次与原名次成直线关系。（新的名次并不总是整数，但在每种情况下，规模大小与名次之间的关系式都将给出一条简单的光滑曲线，这条曲线可用作整数之间的插值线。）
在沙堆崩落的情况中，因为崩落量的分布服从幂定律，所以用任一公因数去换算所有崩落量，相当于对原来的崩落序列的名次进行一个简单的重编。很显然，在这样一个定律中不存在任何特殊的标度，但在被研究量取值范围的两端除外，因为那里存在明显的限制。任何崩落中的粒子数都不会少于一个；显然，幂定律在单粒子的标度上必然不适用。在取值范围的另一端，任何崩落中的粒子数都不会大于所讨论的沙堆中的总粒子数。但是至少最大的崩落可以轻易地挑拣出来，并被冠以第一名。
琢磨这最大的崩落，不禁使人想起自然事件规模的幂定律分布中一个常有特征。名次极靠前的那些最大或最具毁灭性的事件，即使其或多或少处在幂定律所规定的曲线上，也仍然可能被当作具有大量显著后果的单个历史事件，而名次很靠后的那些小事件，人们通常只是从统计角度来考虑。里氏8。5 级左右的巨大地震都被记载在耸人听闻的报纸标题与历史书上（特别是当震灾波及到大城市时）。而众多关于里氏1。5 级左右地震的记录只是默默无闻地居于地震专家的数据库中，主要供统计研究使用。然而地震中的能量释放确实遵循幂定律，这是很早以前被两位现已故去的加州理工学院的教授，查尔斯·里克特（CharlesRichter）和他的顾问比诺·古腾伯格（Beno Gutenberg）所发现的。（在1933 年的一天，古腾伯格和爱因斯坦两人正专心地讨论地震学的问题，以至于他们谁也没有注意到由