# 12. 统计与判断常识

这一章讲怎么不被数字唬住。数据本身不会说话，怎么解读、拿什么作对照、看哪一层才是关键；下面这些是最容易踩的坑和最常用得上的几件工具。

条目按从最基础到进阶排列。

---

### 1. 相关不等于因果
- 定义：两个变量一起变化只说明它们相关，不证明谁导致谁；要判断因果，通常要借助实验、准实验或自然实验这三类工具。
- 说人话：冰淇淋销量和溺水人数同步上涨，原因是天热，不是冰淇淋害人；看到相关就下因果结论，多半会出错。
- 什么时候用：看到两个量同涨同跌、准备据此调整策略时，先问有没有第三个因素在同时推动它们。
- 常见误区：把相关性直接当成因果；用「有数据支持」掩盖没有对照组这一事实。相关读数与实验设计见第 10 章第 5 条。
- 证据等级：B
- 来源：统计与因果推断常识（相关与因果之别）

### 2. 幸存者偏差
- 定义：只观察到留下来的样本、忽略已经消失的样本，会系统性地高估某些成功因素的作用。
- 说人话：只看活下来的成功公司去总结原因，就像只统计返航飞机的弹孔，结论会漏掉那些被打中要害、没能回来的。
- 什么时候用：想从成功案例里总结规律、或评估留存用户有什么特征时，先问「失败的和走掉的那批人长什么样」。
- 常见误区：用成功案例给方法背书；调研只发给还在用的人，把流失用户的意见整个漏掉。
- 证据等级：A
- 来源：二战飞机弹孔分析（Abraham Wald）；统计学中的幸存者偏差

### 3. 选择偏差
- 定义：样本不是随机产生的，进入样本的人在某些特征上系统性地偏向某一边，结论就无法代表总体。
- 说人话：在 App 里弹问卷问「你更爱用网页版还是 App」，回答的自然多是 App 用户，结论从一开始就歪了。
- 什么时候用：拿到任何非随机样本（问卷、访谈、后台人群）时，先检查有谁被排除在外了。
- 常见误区：把便利样本、自愿样本当成全体；只看某一个渠道的数据就下全局结论。
- 证据等级：B
- 来源：统计学抽样常识（选择偏差 / Selection Bias）

### 4. 基准率忽视
- 定义：判断一件事的概率时，忽略它原本的普遍程度（基准率）、只盯着新证据，会严重高估它发生的可能性。
- 说人话：一种病本来就稀少，检测哪怕假阳性率不高，测出阳性的人里多半仍是健康人；只看检测结果会吓自己。
- 什么时候用：面对「命中率高」的判断（风控、预测、诊断、推荐）时，先想想事件本身的基准率有多低。
- 常见误区：只看检测的灵敏度和精确率，不看事件有多稀少；把小概率事件偶尔发生当成常态。
- 证据等级：A
- 来源：Daniel Kahneman & Amos Tversky（基准率忽视）；贝叶斯推理常识

### 5. 大数定律与「样本量多少才够」
- 定义：大数定律说样本量越大，样本均值越接近真实水平；反过来说，小样本的波动可以很大，容易得出偶然的结论。
- 说人话：抛五次硬币得四个正面不奇怪，抛五千次还这样才反常；小样本实验里的「涨了」很可能只是运气。
- 什么时候用：看到小样本得出的大幅变化，或要判断一个差异是否可信时，先看样本量够不够。
- 常见误区：用几百个用户的实验结论去决定全量策略；样本小还硬要切出细分人群的差异，越切越不可信。
- 证据等级：A
- 来源：概率论大数定律（Law of Large Numbers）

### 6. 均值陷阱（中位数、长尾、极值）
- 定义：平均值会被极值拉偏，分布明显偏斜时，中位数、分位数往往比均值更能代表「典型情况」。
- 说人话：比如十个人里有一个收入很高，平均收入就被抬起来，看着人人都不错；其实多数人的中位数低得多。
- 什么时候用：指标分布明显偏斜（收入、时长、订单额）时，别只看平均值，同时看中位数和长尾。
- 常见误区：用平均响应时间掩盖少数极慢的请求；用平均客单价给全体用户画像。
- 证据等级：B
- 来源：描述性统计常识（均值与中位数、偏态分布）

### 7. 辛普森悖论
- 定义：辛普森悖论指分组比较时各自占优的一方，在合并数据里反而落后（或相反），根源是各组样本比例不同。
- 说人话：甲医院整体治愈率更低，但按轻症、重症分别看都更高，只因为它的重症病人更多；整体比较会被比例误导。
- 什么时候用：分组结论和总体结论打架时，或比较两个群体却忽略各自内部构成差异时。
- 常见误区：只看总平均就排名；把「分组后结论反转」当成数据造假。实验里的同类问题见第 10 章第 9 条。
- 证据等级：A
- 来源：Edward H. Simpson（辛普森悖论）

### 8. 回归均值
- 定义：极端表现之后往往自然回落到平均水平附近，这未必是干预起了作用。
- 说人话：某个用户上周消费特别高、这周变正常，不是被你的活动「治」好的；对极端值做干预很容易误判成效。
- 什么时候用：针对「表现最差」或「表现最好」的群体做过优化、要评估效果之前，先想到回归均值。
- 常见误区：把回归均值当成措施见效；只挑最差的样本去改进，怎么改看起来都「有效」。
- 证据等级：A
- 来源：Francis Galton（回归均值 / Regression to the Mean）

### 9. 置信区间比点估计更有用
- 定义：置信区间给出估计值可能落在的范围，比只报一个点估计更能表达不确定性。
- 说人话：说「大约在某个区间内」比报一个精确数字更诚实，因为它标出了这个估计有多不牢靠。
- 什么时候用：汇报数据、做决策时，尽量给区间而不是一个精确数字，让听的人知道误差范围。
- 常见误区：把点估计当准确值用于精细决策；把置信区间误读成「真值有九成五的概率落在里面」。
- 证据等级：B
- 来源：统计学区间估计常识

### 10. p 值的正确读法与常见误读
- 定义：p 值指在原假设成立时，观察到当前或更极端结果的概率；它既不等于「原假设为真的概率」，也不等于效应大小。
- 说人话：p 小于零点零五只说明「这么极端的结果不太像巧合」，并不说明效果有多大，更不说明结论一定对。
- 什么时候用：读实验报告、看显著性标注时，同时关注效应大小、样本量和区间。
- 常见误区：把 p 值当效果强弱；认为不显著就等于没差别；靠卡阈值、多试几次凑出一个显著（见第 10 章第 8 条）。
- 证据等级：A
- 来源：Ronald Fisher（显著性检验）；美国统计协会关于 p 值的声明

### 11. 贝叶斯更新
- 定义：贝叶斯方法先有一个先验判断，再根据新证据按比例修正，得到后验判断；证据越出乎意料、越可靠，改变越大。
- 说人话：你觉得某人一向靠谱，他做了件反常的事，你会下调对他的评价但不一定翻脸，改多少取决于证据有多硬。
- 什么时候用：新信息不断到来、判断需要逐步修正时，比如风控、推荐、需求可信度的评估。
- 常见误区：只看新证据不看先验，被一条消息带偏；或死守先验，对任何新证据都完全不修正。
- 证据等级：A
- 来源：Thomas Bayes（贝叶斯定理）