为何公平随机过程会产生不公平结果？财富分布模拟疑问

这个问题我刚接触的时候也大跌眼镜——明明每一步都是随机公平的，怎么最后就变成少数人握有大部分财富了！咱们把这事掰碎了说：

核心原因是这个过程看起来公平，但本质是带吸收壁的有偏随机游走，而且规则里藏着关键的不对称性：

• 微小差异会被持续放大
  哪怕初始状态完全一致，第一次随机选人的瞬间，就会有人先多拿1美元、有人先少1美元。这个看似可以忽略的差距，会随着时间滚雪球：有钱的人，能参与「给钱」操作的次数更多（毕竟只有有钱才能给钱），而每一次操作都有概率让他的财富继续增加；反过来，钱少的人，能参与操作的机会越来越少，甚至跌到0之后，就只能被动等别人随机选中他当收款方——这个概率低得可怜，自然很难翻身。

• 「没钱就不操作」是致命的不对称规则
  如果把规则改成「不管A有没有钱，都强制转1美元（允许负数）」，那结果真的会是均匀分布。但现在的规则给财富加了一个「0的吸收壁」：一旦某人没钱，他就失去了主动影响财富流动的能力，相当于被踢出了“主动游戏”，只能当观众偶尔捡个漏。而有钱的人一直在游戏里，自然会持续积累优势。

• 最终是典型的幂律（帕累托）分布
  多次模拟后你会发现，少数人能积累到几百美元，而大部分人只有几十甚至0美元——这就是现实中常见的「二八定律」对应的分布。这种分布的本质，就是「资源越多，获得更多资源的机会越大」的正反馈机制。

你可以跑一段简单的Python代码看看效果：

import random

# 初始化100人，每人100美元
wealth = [100] * 100
# 执行100万次操作
total_steps = 1000000

for _ in range(total_steps):
    giver = random.randint(0, 99)
    receiver = random.randint(0, 99)
    # 避免自己给自己转，且给钱的人要有钱
    if giver != receiver and wealth[giver] > 0:
        wealth[giver] -= 1
        wealth[receiver] += 1

# 排序后看贫富差距
wealth.sort(reverse=True)
print("Top 5的财富值：", wealth[:5])
print("Bottom 5的财富值：", wealth[-5:])

跑几次你会发现，Top的人能摸到200+，Bottom里大概率有0。

这里的「公平」只是单次操作的公平——每次选人和给钱的规则都是随机无偏的。但从系统长期运行的角度看，规则默认了「富者拥有更多的行动权」，这就形成了累积的不公平。打个通俗的比方：

就像两个人抛硬币，赢的人可以继续抛，输的人暂时不能抛。一开始大家机会均等，但只要有人先赢一次，他就有更多抛硬币的机会，赢的概率自然更高，差距只会越拉越大。

内容的提问来源于stack exchange，提问作者ShenLei