总之，μ决定了正态分布的位置，与μ越近，被取到的概率就越大，反之越小。σ描述的是正态分布的离散程度。σ越大，数据分布越分散曲线越扁平；σ越小，数据分布越集中曲线越陡峭。
下图是从网上找的σ=0.5，σ=1，σ=2 三条曲线的对比：
简单来说，标准差是一组数据平均值分散程度的一种度量。一个较大的标准差，代表大部分数值和其平均值之间差异较大；一个较小的标准差，代表这些数值较接近平均值。
在一个正态分布中，有 68.2% 的点落在 ±1 个标准差的范围内，约有 95.5% 的点落在 ±2 个标准差的范围内，约有 99.7% 的点落在 ±3 个标准差的范围内。这个叫做三西格玛准则。
三、工资分配的逻辑
工资分配的数学计算过程，一个企业1000名员工，老板能够付出多少工资很容易计算出来，平均每人工资10000元×1000人=1000万元。
这1000名员工中，如何区别对待呢？平均分配会导致企业没有活力，大家消极怠工。然而工作能力优秀的占少数，差的占少数，大多数人一般般，符合正态分布，N(μ，σ2)中，μ为均数取值10000，σ为标准差，如果取值到小，也就是大部分人的工资与10000的差距太小，如果取值太大，工资差距就变大。
我们用EXCEL表形象的推导一下，假设该公司以500元为一档，从2000元起，最高15500，μ=10000，σ=1000或者σ=500，使用正态分布记录他们出现的概率。使用到的函数就是
NORMDIST((2000-15500),10000,500,FALSE)
EXCEL表自带的函数，你不用纠结复杂度，套用就行，得出下图：
中间突起的就是10000，很多员工的工资都在这个值附近，当工资与平均工资的标准差1000时，曲线就比较平，很多人分布在不同的工资区域，当工资与平均工资的标准差500，曲线就比较陡，很多人工资集中在10000附近。
结合三西格玛准则，一个员工工资达到15500的概率，已经是小数点后面的第9位，这种人可以叫做人中龙凤。
工资的平均，让企业失去了活力甚至崩溃；工资差距的拉大，失去某种公平性。也导致人中龙凤过多而不再是龙凤，从而优秀员工流失率太高，流失了优秀，又重新回到工资的平均。而左右以上两种局面就是标准差，我把它称为参数一。
那么，让企业失去了活力甚至崩溃的参数是什么呢？我从区块链技术的共识机制找到了答案。
四、拜占庭将军问题
话说很久很久以前，有一个叫拜占庭的帝国，派出了6路大军攻打一个小国，每个将军率领1路大军，但这个小国也很是厉害，需要4路大军同时发动进攻才能攻下，任何1路大军单独攻击都会被小国打残。这6路大军之间都是通过通信兵来相互协商是否攻击以及时间的时间，这些将军里面可能是有叛徒，叛徒可能撒谎，约定进攻时不进攻。在这种状态下，拜占庭将军们怎样才能保证有多于4支军队在同一时间一起发起进攻，从而赢得战争？
图灵奖得主莱斯利·兰伯特（Leslie Lamport）采用递归算法，给了我们一个结论公式。全部将军数大于3倍叛徒将军数。
设叛徒将军数为M，那么能够一起达成共识一起进攻，即：M<总人数/3。
论证过程过于复杂，在莱斯利·兰伯特1982年发表的论文中，我看不明白，只记得结论。
那么一个企业，工资太平均，导致有些人消极怠工（或者说阳奉阴违），这种人的人数达到多少，就导致企业失去活力甚至崩盘呢，拜占庭将军问题和兰伯特的结论公式给了我们类比的答案。
M<总人数/3 我把它称为参数二。
上述公司中，由于参数一设置问题，导致工资过于平均，频率崩盘，那么消极怠工人数按照参数二，可得不超过3333人，接着要乘以一倍标准差的概率68.2%，最终结果是不超过2266人。
五、思想结论
感谢大家看我胡扯这么多，在人力资源管理工资分配的问题上，其实没有终极解决方案，只不过冥思苦想了很久，推导出了所谓的基于数学理论知识的参数一和参数二。
我猜想，一个优秀管理者，
一定是能够敏锐地判断出参数二的临界点，
从而快速对参数一进行调整，
至于调整多少，没有标准答案，这个是艺术。
