累积度分布曲线要比度分布曲线更明显地展示出幂律的属性，高维数据具有更加明显的性质。
在一个不断发展的复杂系统中，有两个变量x与y构成幂律关系y~x^y，即网络的层次的关系是以幂律表示的，这与网络结构的分布属性相耦合。根据不动点原理，总能找到两个变量x与y构成幂律关系。这与网络的分形结构性质相关。
标度律，一般指的是在一个复杂系统中，某个变量展现幂律分布p(x)~x^
β。这种分布，可以基于多个时间点对一个复杂系统进行采样，也可以就一个复杂系统的多个子部分进行采样得到。这是一种等价。
标度律就是单变量的幂律分布，而这种幂律关系推广到双变量的幂律关系时，就展现异速律y~x^y，可以理解为层次的耦合。这是组织的高维构建形式决定的一种涌现性质，是网络形成稳定的动态平衡的必需分布。
获得性性状本质上是一种由于变异形成的有意义的模式，是网络的形式。网络模型对现实的描述力很很不错的。
整体论：1在每个层次上，整体都大于部分之和。这是因为概率的表达，我们可以观测到的事物是网络的选择性表达。2可证伪性，或可辨驳性，或可检验性3信息源于局部分形结构的网络4
生物系统的细胞和组织的发育与其特定的位置周围的环境相关，是一种局部最优化求解的过程，最后在整体层次有一定的涌现。这个过程需要一定的纠正，因此边界的确定是必须的。这是发育过程中的分子基础，因为高维结构是低维结构的运算和涌现。网络的代偿是一种竞争层次的选择性表达使得整体网络结构维持稳定。这种有序行为是涌现的，是网络的自相似结构决定的。
化学系统自发地倾向于具有最小势能的结构。在计算中，最低能量是多解的，但在实际观察中，
发现蛋白在特定环境下总是快速稳定于一个唯一结构，并不是各态历经的。故，可能存在某些因素，而不是能量，在这些可能结构中进行“选择”，决定了系统以特定的结构出现。我倾向于认为是更高维度的序列匹配决定。
任何进化本质上都是网络的进化，从简单的多细胞生物到哺乳动物的过程就是这样的过程，是组织之间的组合关系发生有意义的变异，并形成稳定的分化。
人脑的结构与人类行为的对应是高维层次的对应，如爱情、性、睡眠、梦、语言，以反射为基本的单位，最后形成的复杂网络是这些组合对环境的适应，根据序列匹配和能量分布的层次博弈的均衡达成。其可以分化为一定的模式，这是网络的涌现性质。这是基于神经系统的突触的可塑性，对应于生物的变异，可以有适应环境的行为。
不同层次的进化：网状神经系统--两侧对称神经系统--脊椎动物神经系统，这是整体层次的进化。
环境相似不是导致形态相似，而是网络的选择性表达
网络的分布是维持其稳定性的结构基础，幂律分布与指数级变化相耦合;
在一个群落中，个体数多的物种很少，而个体数少的物种数却很多（幂律分布）。个体数最少的物种并非最多，而是个体数位于中间的物种最多(正态分布)，这是两种不同的分布方式，是高维的分布，即不同层次的博弈达成的均衡。（基于资源有限的前提）
贝叶斯网络进行数据分析，网络的各种数据（如股市）可以视为无限多变量的动态博弈，于是我们可以利用各种分析方法来寻找其变化的模式，从而寻找有限的相关关系（涌现的模式），即构建网络的本征的相似性。在一个成熟的网络如市场中，可能表面是各种无序的混沌，但在高维结构即不同层次的相对比例是可以把握的，即概率。
而网络的发展是多层次的博弈耦合，当积累到一定程度是会发生强烈的重组使得网络结构能够适应下一轮的增长，我们观测就是网络的爆发，这是网络的不同层次的涌现。
理解概率，只要概率有一定的势差，在足够大的基底下会积累出一定的表现（大数定律）。如赌博。而网络就是理解复杂博弈的哲学体系。