概率分布中尾部较长或较厚的情况。从建模的角度来看，肥尾分布就是针对那些罕见事件，虽然发生的概率低，但也必须要考虑到的情况。即使在远离峰值的远端，那些罕见事件还是有相当的概率会发生
比如一个保险公司考虑灾害的发生和保险的定价，如果不考虑的话一旦发生就会赔很多
Personal Thoughts ‣
等全部学完概率论的几种模型再回过头来整理下这部分，或许 90%的情况更适用于普通的bell curve 钟形正态分布，这种属于极端风险更高的肥尾形Fat tails，适用性弱于钟形，但确实适用于比如财富等各个方面，想一想突破自然科学的社会科学里会经常遇到这种？
这样想或许在商业社会的适用性反而会超过钟形正态分布呢？
在钟形曲线中，极端情况是可以预测的。与平均值的偏差只能是这么大。在肥尾曲线中，极端事件没有真正的上限。可能发生的极端事件越多，曲线的尾部就越长。
这样想吧。在钟形曲线类型的情况下，例如显示人群中身高或体重的分布，可能性范围内存在异常值，但异常值具有相当明确的范围。你永远不会遇到一个比普通人大十倍的人。但在像财富这样的肥尾曲线中，集中趋势的作用就不一样了。您可能经常遇到比普通人富有十倍、一百倍或一万倍的人。那是一个非常不同类型的世界。
（主要想想落地的适用性，极端风险？金融危机？财富聚集？哪些是更适用的呢）