马尔可夫模型
- 核心思想：系统在有限状态间以固定概率转移，只要满足遍历性和非周期性，就必然收敛到唯一的统计均衡，历史不重要。
- 书里怎么解释的：佩龙-弗罗宾尼斯定理指出，如果状态有限、转移概率固定、任意状态可达、无固定循环，那么长期分布唯一。这意味着，改变当前状态（如一次性捐款）只能改变短期结果，只有改变转移概率（如改善教育、改变制度）才能改变长期均衡。
- 书里的例子：
- 民主化预测：用1975-2010年数据校准马尔可夫模型（自由/部分自由/不自由），它完美匹配2010年数据，但预测2080年自由国家为62.5%，而简单线性预测则高达88.9%，因为马尔可夫模型考虑了自由国家也有概率倒退。
- 销量-耐久性悖论：油毡销量是瓷砖的3倍，但瓷砖更耐用（每年仅1/60需更换，油毡1/10）。长期均衡下，2/3的地板是瓷砖。这解释了为什么忠诚度低的品牌（频繁更换）市场份额反而低（双重危机定律）。
- 谷歌网页排名（PageRank）：把网页视为状态，跳转视为转移概率，为了满足定理，加入随机跳转（从任何页面以微小概率跳到任何其他页面），求得统计均衡概率即为网页排名。这个排名可以用同样的算法给足球队、食物链中的物种排序。
启示：
- 一次性做好事，作用微乎其微。扎克伯格给纽瓦克学校捐1亿美元，对学生成绩几乎没有长期影响，因为它只改变了“状态”（钱），没改变“转移概率”（教学质量、家庭环境）。你给孩子报一个昂贵的夏令营（改变状态），不如每天陪读20分钟（改变学习习惯这个转移概率）。
- 想改变人生，必须改变“结构”而非“现状”。书里说，与其帮穷人发钱，不如帮他们找到稳定工作（减少从就业变失业的概率）。普通人想减肥，靠节食（改变体重状态）会反弹，必须改变饮食结构和运动习惯（改变食欲和代谢的转移概率）。
- 谷歌网页排名告诉我们要“蹭热点”。算法加了随机跳转，让网页排名更合理。生活中，你如果总是待在自己的“小圈子”（状态），可能会陷入局部均衡。要有“随机跳转”的意识，比如每个月主动去参加一个完全陌生领域的讲座，这会让你在人生网络中“排名”提升。