Härledning av den logistiska ekvationen
Hammings S-kurva har en exakt matematisk härledning. Börja med två observationer om teknikadoptering:
1. Adoptionshastigheten accelererar med nuvarande adoption (mun-till-mun-spridning, nätverkseffekter): dP/dt ∝ P
2. Adoptionshastigheten bromsar när marknaden mättas: dP/dt ∝ (1 − P)
Kombinera: dP/dt = r · P · (1 − P)
Detta är den logistiska differentialekvationen. Den är separabel: partiell fraktionsuppdelning tillåter direkt integration.
Härledning
Separera variabler: dP / [P(1−P)] = r dt
Partiella fraktioner: 1/[P(1−P)] = 1/P + 1/(1−P)
Integrera båda sidor: ln(P) − ln(1−P) = rt + C
ln[P/(1−P)] = rt + C
P/(1−P) = e^(rt+C) = e^C · e^(rt)
Låt K = e^C. Lös för P: P = K·e^(rt) / (1 + K·e^(rt))
Motsvarande: P(t) = 1 / (1 + e^(−r(t − t₀)))
där t₀ = (ln K)/r är böjningspunkten.
Böjningspunkt
Vid t = t₀: P = 0,5. Andra derivatan d²P/dt² = 0: tillväxthastigheten är högst. Före t₀: konkav upp (accelererande). Efter t₀: konkav ned (decelerande).
Anpassning av logistiken till data
Givet två datapunkter på en logistisk kurva kan du lösa för både r och t₀.
Internetadoptering: P(1995) = 0,01 (1% av amerikanska hushåll), P(2005) = 0,70 (70%).
Nätverksvärde som ett geometriskt räknande
Hamming noterade att applikationer drev datoradoptering mer än hårdvara eller mjukvara. Nätverksberoende applikationer följer en specifik tillväxtmodell: deras värde ökar snabbare än deras kostnad.
Metcalfes lag
Värdet på ett nätverk med n användare är proportionellt mot antalet möjliga anslutningar mellan användare:
V(n) = k · n(n−1)/2 ≈ k · n²/2 (för stora n)
där k är värdet på en anslutning. Kostnad för ett nätverk: C(n) ∝ n (ungefär linjär i användarantalet).
Värde-till-kostnad-förhållande: V/C ∝ n²/n = n. När n växer, växer förhållandet linjärt. Ett nätverk med 10x fler användare levererar ungefär 100x mer värde till endast 10x kostnaden.
Geometrisk bild
Med n noder är antalet kanter i en fullständig graf K_n C(n,2) = n(n−1)/2. Detta är en kombinatorisk formel: välj 2 noder från n. För n=10: C(10,2)=45. För n=100: C(100,2)=4950. För n=1000: C(1000,2)=499 500.
S-kurvan och Metcalfes lag interagerar: under fas 2 snabb adoption växer n snabbt och V(n) växer som n². Värdeinflektionen inträffar före adoptionsinflektionen — värde accelererar före adoption, drar mer adoption i en positiv återkopplingsslinga.
Nätverksvärde på olika adoptionsnivåer
E-postadoptering: 1985 (n=100 000 användare), k = $0,01 per anslutning-år. 1995 (n=30 000 000 användare).
Optimering som geometri
Hammings Boeing-bandhistoria beskriver ett optimeringsmisslyckande med exakt geometrisk betydelse. Optimering av en funktion f(x) på ett landskap kräver:
1. En väldefinierad funktion f: målet (luftmotstånd, kostnad, tid till marknad)
2. Ett fast landskap: f utvärderas på samma tillstånd varje gång
3. En gradient: riktningen för brantaste förbättring
När landskapet ändras mellan mätningar kan gradienten du uppskattar peka i en riktning som inte längre finns när du tar nästa steg. Du beräknar gradient(f₁) men stegar i landskap f₂.
Gradientnedstigning
Standard gradientnedstigning: x_{t+1} = x_t − α ∇f(x_t)
där α = stegstorlek (inlärningshastighet), ∇f = gradientvektor (partiella derivator).
Boeings misslyckande: vid tidpunkt t mäter teamet f(x_t). Vid tidpunkt t+1 ändrar teamet x till x_t + Δx. Men den delade databasen ändrades också: f är nu f' ≠ f. Den observerade förändringen: f'(x_t + Δx) − f(x_t). Detta är INTE gradienten för f — det inkluderar en term från landskapsskiftet.
Fantomgradienten
Mätt förändring = [f'(x+Δx) − f(x)] = [f(x+Δx) − f(x)] + [f'(x+Δx) − f(x+Δx)]
= sann gradient × Δx + landskapsskift
Om landskapsskiftet dominerar: teamet flyttas mot ett minimum i f' som är ett maximum i f. De optimerar fel sak — möjligen gör de sin design värre medan mätningarna visar förbättring.
Kvantifiering av fantomgradientialfel
Ett team optimerar luftmotstånd f(θ, s) där θ = vingvinkel, s = vingspann. Sann gradient: ∂f/∂θ = −0,5 (luftmotstånd minskar med θ), ∂f/∂s = +0,3 (luftmotstånd ökar med s).
Ett annat team minskar samtidigt fuselagevikten, vilket ändrar luftmotståndfunktionen: f' = f − 0,8. (En lättare fuselage minskar luftmotståndet med 0,8 enheter på alla konfigurationer.)
Det första teamet mäter: f'(θ+Δθ, s) − f(θ, s) = [f(θ+Δθ, s) − 0,8] − f(θ, s) = −0,5·Δθ − 0,8.