又到暑假了，莘莘学子们开心享受假期，各位知产届的朋友们，无论是初入职场还是江湖老将，不管是新出校园还是毕业良久，永远要记得科学技术才是第一生产力，学好数理化走遍天下都不怕。数学知识还剩多少，咱们看看图测试下：
一张正态分布图，正态分布，统计学的入门课之一，在这里面有两个最基本的数学表达，第一个是数学期望计为μ；第二个是方差，计为σ。前者我们也称之为平均值，或者在通俗的认为就是上图中“钟形”图的最高点所对应的X轴数值；后者简单的理解为一种描述钟形曲线形状的参数，σ越小，则上述钟形曲线就越陡峭，类似上面的蓝色图，σ越大，则越类似红色的，看起来扁平扁平的。也就是一种数值分布是否集中的描述，显然蓝色比红色的数值分布程度上更集中。作为很多产品质量控制的领域，大家肯定都是希望如果有标准，则都按标准来，即便出现偏差也不要太大，品控上面讲，蓝色肯定比红色好。
回到我们知识产权领域，我们也有数值，也刚好有能反应专利品质的数值，那就是特征度。特征度代表权利要求1中实体词的个数，它这个指标很有趣，不像什么申请量和权利要求个数这些指标，越大越好，好像没什么好说的。特征度说白了大家都知道要概况，要精简，从而换取一个更大的保护范围，但是呢，横竖写成什么样能获得授权也并不是申请人主观的意愿就能完全决定的，而是要过实质审查，即审查员这一关。这样一来，问题就来了，我们现实中看到的特征度的分布就真的如上图了。
以高通公司来华申请并获得授权的发明专利为例，其特征度分布如下图：
是不是真的很类似正态分布呢？
我们为了整体分析更科学更合理，因势利导的稍微改造了一下其背后的定义：现在我们的μ还是认为是最高点，也就是上图中数据最毒的那一组所对应的横坐标数值，上图中为13。另一方面，我们定义与最高点左右相邻的各自三个数值，即一共6个数值为左右的三个基础分布，可以理解为类似正态分布中的3-σ，当然我们这里的天然步长就是1了，对于上图，就是最高数值13左侧的12、11、10与其右侧的14、15、16，一共7个橙色数值。
这么定义也是朴素简单有道理，我们计算这7个最高分布的相应的授权专利量，作为分子，再除以整个目标，在此时就是高通的全部中国授权专利，作为分母。得出的数值是0.51，也就是上图表格中右侧上方的3-σ：0.51。
得出这些有什么具体的理解和含义么？我们继续比较一下看，且看同样逻辑下华为的中国专利授权：
两者的μ差2，华为15，高通13，怎么看呢，其实这可以被认为是高通在发明专利的技术底色上还是略胜华为一筹，为什么？！因为你技术不足够的体现创新性，就势必需要通过添加技术特征从而获得与现有技术的区别，那么特征度自然就多，您的这个知产期望μ就自然会比别人的数值大。
对于3-σ呢，高通也是0.51大于华为的0.45，我们认为这个按照通常理解同样是数值大为好，背后的逻辑也是朴素，数值意味着更多的授权专利接近这个最优值，一是证明你同样是背后整体技术确实领先，二是可能从专利撰写质量的管控上也是抓的紧，这和各行各业的产品管控的方差统计是同样道理。
看到这里不解渴，也是觉得华为专利老玩家，那么其他玩家怎么样，比如BAT：
百度：
阿里巴巴：
腾讯：
基本上是类似的，但是阿里巴巴貌似技术上底色更亮，腾讯无论是技术创新程度还是专利作为产品的管控，都还要再加油。
再看我们的大学，以清华大学为例：
可以看出什么，μ值不差太多，证明清华大学创新能力绝对在线，但是3-σ就垮塌了，0.27，足以看出其整体控制能力真的是一言难尽，当然这些图其实一出来也是非常符合咱们很多知产人平时一贯的内心认知的，只不过大数据通过严谨的数学表达，展现出来后就更加震撼了。
如果您想提高专利质量，想要把您的3-σ分布瘦身成苗条姑娘的纤腰，增加金黄色条上的专利量，降低“腰围”部分（湖蓝色）。如果哪一天来到，高校在国家创新体系中的贡献，一定是翻倍的！
不过瘾没关系，请速后台联系我们的客户服务，获取更全面的信息报告，格力美的奥克斯如何，oppo，vivo战力又几何，各个省市直接来的大乱斗，看看谁在创新，谁在虚高，北上广等龙头省市集体PK都在等你看！
有想法有疑问就更好了，请您首先移步下一篇，我们手把手教您自己怎么做上面的从图到数据，另外也请联系我们的客服获取最新客户端。
确定更合理的技术领域进行比对，剔除或者找出谁是影响3-σ数值的代理机构，等等细节都在等待有心人来探索！
卷死你们
2022/07/20 18:47 [来自广东]
收起回复 0 举报