📘 Day 14 · 概率统计与推断基础

📖 本章学习目标：掌握描述性统计、概率论、贝叶斯定理、概率分布、假设检验和置信区间——学完能用统计推断的语言描述"我知道什么、我有多确定"。

Day 14: 概率统计与推断基础 — 用数据做判断的底层数学

学习目标： 从"凭感觉"升级到"凭数据"。今天结束之后，你应该能用贝叶斯定理从先验概率推算后验概率，能手工完成一个 t 检验并给出结论，能一眼识破别人图表和报告中的统计陷阱（幸存者偏差、辛普森悖论、伪相关）。统计不是算数，是思维方式。

核心问题： 面对不确定性时，怎么用概率和统计的语言描述"我知道什么、我不知道什么、我有多大把握"？

为什么是两天： 量化思维内容太多，拆为两天。今天聚焦"描述数据 + 推断结论"（概率论、贝叶斯、假设检验、置信区间），明天聚焦"建立模型 + 做出决策"（回归、ANOVA、因素分析、聚类、蒙特卡洛）。

与明天的关系： 今天所有内容（概率、分布、检验）是明天所有模型（回归、ANOVA、聚类）的数学基础——如果今天没搞懂 p 值，明天的回归系数显著性检验就听不懂。

第一节：描述性统计 —— "平均"这个词骗了你多少次

老板说"我们团队平均薪资 6.5 万"，你觉得还不错。进去之后发现：9 个人拿 3.5-5.5 万，老板自己拿 300 万。"平均数"在数学上是诚实的，但你的直觉不一定是。描述性统计存在的全部意义，就是用一个或几个数字，把成千上万个数据点的"形状"讲清楚。问题在于：你选的数字对不对？

1.1 均值、中位数、众数 —— 三个"平均"，三种故事

一个数据集的"中心"在哪里？三种答案，各有各的用途，也各有各的坑。

算术平均数（Mean）

最常用的"平均值"：把所有数加起来，除以个数。

公式： μ（总体均值）= (Σxᵢ)/N 或 x̄（样本均值）= (Σxᵢ)/n

手工计算：团队薪资

岗位	月薪（万元）
实习	3.5
助理	3.8
专员	4.0
主管	4.2
经理	4.4
高级经理	4.5
副总监	4.7
总监	5.0
副总裁	5.5
老板	30.0

计算过程：3.5+3.8+4.0+4.2+4.4+4.5+4.7+5.0+5.5+30.0 = 69.6。n=10。均值 = 69.6/10 = 6.96 万元。老板说"平均 6.96 万"，数学上没毛病。但 9 个人收入都在 5.5 万以下。这个均值被一个极端值严重拉高了。

加权平均数（Weighted Mean）

当不同观测有不同的重要性时，用加权平均。

投资组合回报案例： 你有 100 万，30% 投股票 A（年回报 12%），70% 投股票 B（年回报 7%）。组合的加权平均回报是多少？

w_A = 0.30，r_A = 12%；w_B = 0.70，r_B = 7%。加权均值 = 0.30×12% + 0.70×7% = 3.6% + 4.9% = 8.5%。这不是简单的 (12+7)/2 = 9.5% —— 后者假设等权重，但实际你的资金分配不是等权重的。

几何平均数（Geometric Mean）

算术平均会夸大复合增长的回报。几何平均是"复合增长率"的正确度量。

公式： G = (x₁ × x₂ × ... × xₙ)^(1/n)，或等价地：ln G = (1/n) × Σ ln(xᵢ)

投资回报案例： 某基金经理的三年回报分别是 +50%、-30%、+20%。算术平均 = (50-30+20)/3 = 13.3%。但你的钱实际上是怎么变的？

本金 100 万 → 第一年：100×(1+50%) = 150 → 第二年：150×(1-30%) = 105 → 第三年：105×(1+20%) = 126。从 100 到 126，三年总共增长 26%。年化复合增长率 = (126/100)^(1/3) - 1 = 1.26^(1/3) - 1 ≈ 8.0%。用几何平均公式：(1.50×0.70×1.20)^(1/3) = (1.26)^(1/3) = 1.080 → 几何平均回报 = 8.0%。

为什么几何平均是对的？ 因为投资回报是乘法过程（compound），不是加法过程。几何平均 = 8.0%，不是 13.3%。下次看到基金宣传"算术平均年化回报 13.3%"，你得看看他们是不是用错了平均数。

修剪均值（Trimmed Mean）

去掉极端值再算均值——体育比赛打分常用的"去掉一个最高分，去掉一个最低分"就是 10% 修剪均值。

团队薪资例子：去掉最低（3.5）和最高（30.0），计算剩余 8 个数：3.8+4.0+4.2+4.4+4.5+4.7+5.0+5.5 = 36.1。修剪均值 = 36.1/8 = 4.5125 万 —— 这才更接近"普通员工挣多少"。

中位数（Median）

把所有数按大小排列，正中间的那个就是中位数。奇数个就是中间那个；偶数个就是中间两个的平均值。

团队薪资（已排序）：3.5, 3.8, 4.0, 4.2, 4.4, 4.5, 4.7, 5.0, 5.5, 30.0。n=10（偶数），取第 5 和第 6 个：4.4 和 4.5。中位数 = (4.4+4.5)/2 = 4.45 万元。

中位数 4.45 万，均值 6.96 万——差了一半还多。中位数告诉你的信息更真实："一半人拿不到 4.45 万，一半人超过 4.45 万。"

众数（Mode）

出现频率最高的值。团队薪资这个例子没有重复值（每个岗位不同），所以没有众数。但在消费者偏好调查中非常有用：500 个人，165 人选品牌 A，110 人选品牌 B——品牌 A 就是众数。

三个度量的使用场景：

场景	用什么	原因
收入/房价分布	中位数	严重右偏，均值被拉高
投资组合回报	几何平均	复合增长是乘法过程
次品率/合格率	算术均值	服从正态分布，无极端值
不同权重的考核	加权平均	各指标重要程度不同
消费者偏好	众数	关心"最常见的偏好是什么"

均值 vs 中位数：一个更极端的例子，帮你建立直觉

某 VC 基金投了 50 个项目。49 个归零了（回报 = -100%），1 个投中了独角兽，回报 = 10,000%（100 倍）。算术平均回报 = (49×(-100%) + 1×10000%)/50 = (-4900%+10000%)/50 = 5100%/50 = 102%。VC 基金宣传"我们的平均回报是 102%"——这在数学上正确，但在现实中是对实情的严重扭曲。中位数 = -100%（第 25 和第 26 个项目都是 -100%）。真相：你投的这个基金，中位数回报是 -100%。 大多数 LP 血本无归，只有一个 LP 暴富——"平均"把两个世界的事混在一起了。

标准差的实际单位解读

前面算出来的股票 A 的 s = 0.144%。这到底意味着什么？如果日回报大约是正态分布的（这是个假设），那么大约 95% 的交易日回报在 x̄ ± 2s = 0.02% ± 2×0.144% = [-0.268%, 0.308%] 的区间内。换句话说，正常交易日这只股票跌不过 0.3%，涨不过 0.3%——按这个标准来看，一旦某天它跌了 1%，就至少是 7 个标准差的事件了，极为异常，值得查查新闻出了什么事。

1.2 方差、标准差与变异系数

均值告诉你"中心在哪"，方差告诉你"散得多开"。两只股票平均日回报都是 0.05%，但一只每天在 -2% 到 +2% 之间波动，另一只在 -0.5% 到 +0.6% 之间——你显然更想知道这个差别。

方差（Variance）的手工计算

公式：

总体方差：σ² = Σ(xᵢ - μ)² / N
样本方差：s² = Σ(xᵢ - x̄)² / (n-1)

完整手工计算 —— 两只股票 5 日回报对比：

股票 A：日回报（%）= 0.05, -0.10, 0.20, -0.15, 0.10 股票 B：日回报（%）= 0.02, 0.01, 0.04, -0.01, 0.03

股票 A 的方差计算：

日	回报 xᵢ	xᵢ-x̄	(xᵢ-x̄)²
1	0.05	0.05-0.02=0.03	0.0009
2	-0.10	-0.10-0.02=-0.12	0.0144
3	0.20	0.20-0.02=0.18	0.0324
4	-0.15	-0.15-0.02=-0.17	0.0289
5	0.10	0.10-0.02=0.08	0.0064

先算均值：x̄_A = (0.05-0.10+0.20-0.15+0.10)/5 = 0.10/5 = 0.02%。s²_A = Σ(xᵢ-x̄)²/(n-1) = (0.0009+0.0144+0.0324+0.0289+0.0064)/4 = 0.0830/4 = 0.02075。标准差 s_A = √0.02075 ≈ 0.144 ≈ 0.144%。

股票 B 的方差计算：

日	回报 xᵢ	xᵢ-x̄	(xᵢ-x̄)²
1	0.02	0.02-0.018=0.002	0.000004
2	0.01	0.01-0.018=-0.008	0.000064
3	0.04	0.04-0.018=0.022	0.000484
4	-0.01	-0.01-0.018=-0.028	0.000784
5	0.03	0.03-0.018=0.012	0.000144

x̄_B = (0.02+0.01+0.04-0.01+0.03)/5 = 0.09/5 = 0.018%。s²_B = (0.000004+0.000064+0.000484+0.000784+0.000144)/4 = 0.001480/4 = 0.00037。s_B = √0.00037 ≈ 0.0192%。

结论： 两只股票日均回报差不多（0.02% vs 0.018%），但 A 的波动（σ≈0.144%）是 B（σ≈0.019%）的约 7.5 倍。股票 A 是"过山车型"，股票 B 是"慢走型"。方差把这种差异量化了。

为什么分母是 n-1？（贝塞尔校正 Bessel's Correction）

这不是"数学家故意把题目变难"。当你用样本均值 x̄ 代替总体均值 μ 时，你已经用掉了一个"自由度"——你算出来的 x̄ 本身就离各个数据比 μ 离各个数据更近（因为 x̄ 就是最小化 ∑(xᵢ-c)² 的那个 c）。所以用 n-1 补偿这种"偏小"的偏差。

直觉理解： 如果只抽 1 个数据，n=1，你能算出均值（就是那个数本身），但你能说出"数据散得多开"吗？不能。用 n，方差 = (x₁-x₁)²/1 = 0——这是胡说八道。用 n-1，分母 = 0，方差 = 未定义——这才诚实。

变异系数（Coefficient of Variation, CV）

问题：某股票日波动 σ=0.5%，另一个市场债券日波动 σ=0.05%。但股票日均回报 0.2%，债券日均回报 0.01%。"波动"谁更大？

σ 除以 μ：CV = σ/μ。CV_A = 0.5/0.2 = 2.5。CV_B = 0.05/0.01 = 5.0。债券的"每单位回报承担的波动"反而比股票大。CV 让你比较不同量级的东西——就像你不能因为大象吃得比老鼠多就说大象"更胖"，你要看饭量/体重比。

工作量实例：百威亚太（1876.HK）季度收入波动

以下是 8 个季度的收入数据（亿元，模拟数据）：

季度	Q1	Q2	Q3	Q4	Q5	Q6	Q7	Q8
收入	16.2	18.5	19.8	17.1	15.8	19.2	20.5	17.9

均值 x̄ = (16.2+18.5+19.8+17.1+15.8+19.2+20.5+17.9)/8 = 145.0/8 = 18.125 亿元

离差平方和：Σ(xᵢ-18.125)² = (16.2-18.125)² + (18.5-18.125)² + (19.8-18.125)² + (17.1-18.125)² + (15.8-18.125)² + (19.2-18.125)² + (20.5-18.125)² + (17.9-18.125)² = (-1.925)² + 0.375² + 1.675² + (-1.025)² + (-2.325)² + 1.075² + 2.375² + (-0.225)² = 3.706 + 0.141 + 2.806 + 1.051 + 5.406 + 1.156 + 5.641 + 0.051 = 19.958

样本标准差 s = √[19.958/(8-1)] = √2.851 = 1.689 亿元。CV = s/x̄ = 1.689/18.125 = 9.32%。作为参考，快消品行业季度收入 CV 通常在 5%-15% 之间，9.32% 属于正常波动。

滚动标准差（Rolling Standard Deviation）——彭博终端怎么算"近期波动率"

固定一个窗口（比如 20 个交易日），每次窗口向前移动一天，重新计算这 20 天的标准差。今天算的是"过去 20 天的波动"，明天算的就是明天那 20 天的波动。彭博上看到的 20 天历史波动率（20-day Historical Volatility）就是这么来的。

1.3 偏度与峰度 —— 分布的形状，不只是均值和方差

均值和方差告诉你的只是"位置"和"宽度"。但两个分布可以有完全相同的均值和方差，形状却截然不同。

偏度（Skewness）

偏度描述分布是否对称。负偏（左偏）：大部分值偏高，少数极端低值拖出一条"左尾巴"——像股价日回报，大部分日子涨涨跌跌幅度不大，但偶尔崩盘那天跌 10%。正偏（右偏）：大部分值偏低，少数极端高值拖出一条"右尾巴"——像初创公司退出估值，大部分 0-1000 万，极少数独角兽是几十亿。

手工判断偏度方向（小数据集）：

两组数据，每组 5 个数：数据集 A：2, 3, 4, 5, 36 → 少数极端大值 → 正偏（右偏） 数据集 B：-25, 3, 4, 5, 6 → 少数极端小值 → 负偏（左偏）

快速判断法：均值 > 中位数 → 右偏（被大值拉上去）。均值 < 中位数 → 左偏（被小值拉下去）。均值 ≈ 中位数 → 近似对称。

数据集 A：均值 = (2+3+4+5+36)/5 = 10，中位数 = 4。均值 10 >> 中位数 4 → 右偏。数据集 B：均值 = (-25+3+4+5+6)/5 = -1.4，中位数 = 4。均值 -1.4 << 中位数 4 → 左偏。

面试提示： 投行/PE 面试中，"看分布先看 skewness"是个加分的回答。基金回报数据往往是负偏的（小赢 + 偶尔大亏），初创企业估值往往是正偏的（大部分失败，少数大赢）。

偏度数值的粗略判断

偏度公式（样本）：Skew = [n/(n-1)(n-2)] × Σ[(xᵢ-x̄)/s]³。但面试中你不会被要求算这个。你需要的是判断方向和大致量级。规则：
|Skew| < 0.5：近似对称
0.5 ≤ |Skew| < 1：中等偏斜
|Skew| ≥ 1：高度偏斜
实际金融数据中，日回报的偏度通常在 -0.5 到 0 之间（轻微负偏），而 PE/VC 投资回报的偏度可以高达 3-5（极端正偏）。

偏度在商业中的实战意义

两只股票的日均回报都是 0.05%，标准差都是 1.5%。从均值+方差的角度看，它们完全一样。但股票 A 是负偏（small frequent gains, occasional large crashes），股票 B 是正偏（small frequent losses, occasional large spikes）。哪只更危险？

如果你是做空波动率的策略（卖出期权，赚权利金），你极度讨厌负偏——一次 crash 就会爆仓。如果你是 VC 投资人，你的组合天然正偏——你需要偶尔的正偏事件（独角兽）来弥补大量失败项目。不同商业模式对偏度的偏好完全相反。面试中被问到"除了均值和方差你还看什么"，偏度就是你要说的那第三个维度。

峰度（Kurtosis）

峰度描述的是"尾巴有多肥"——极端事件发生的频率有多高。不是说"分布尖不尖"，而是说"离均值 4 个标准差之外的概率有多大"。

正态分布的峰度 = 3（或超额峰度 = 0）。超额峰度 = 实际峰度 - 3。超额峰度 > 0 —— "肥尾"——极端事件发生的概率比正态分布预测的要高得多。

为什么金融数据不服从正态分布？ 因为金融市场有肥尾。标准普尔 500 日回报的样本峰度在 5-10 之间（超额峰度 2-7）。这意味着"黑色星期一"、"雷曼兄弟"这种事件在正态分布中概率是"千万年一遇"，但现实中它们每几年到几十年就发生一次。

1.4 相关系数 —— 两个变量"一起动"的程度

广告投得越多，销量越高？利率越低，房价越涨？——这些"关系"需要一个数字来量化："到底有多相关？"Pearson 相关系数 r 就是答案。r 在 -1 到 +1 之间：+1 完美正相关，-1 完美负相关，0 毫无线性关系。

Pearson r 的手工计算

公式： r = Σ(xᵢ-x̄)(yᵢ-ȳ) / √[Σ(xᵢ-x̄)² × Σ(yᵢ-ȳ)²]

5 个月广告支出 vs 收入数据：

月份	广告支出 X（万元）	收入 Y（万元）
1	10	120
2	15	150
3	12	135
4	18	175
5	20	190

完整计算步骤：

Step 1： 计算均值。x̄ = (10+15+12+18+20)/5 = 75/5 = 15。ȳ = (120+150+135+175+190)/5 = 770/5 = 154。

Step 2： 计算离差及交叉乘积。

月	X	Y	X-x̄	Y-ȳ	(X-x̄)(Y-ȳ)	(X-x̄)²	(Y-ȳ)²
1	10	120	-5	-34	170	25	1156
2	15	150	0	-4	0	0	16
3	12	135	-3	-19	57	9	361
4	18	175	3	21	63	9	441
5	20	190	5	36	180	25	1296

Step 3： 求和。Σ(X-x̄)(Y-ȳ) = 170+0+57+63+180 = 470。Σ(X-x̄)² = 25+0+9+9+25 = 68。Σ(Y-ȳ)² = 1156+16+361+441+1296 = 3270。

Step 4： 代入公式。r = 470 / √(68×3270) = 470 / √222360 = 470 / 471.55 = 0.997。

解释： r = 0.997，几乎完美正相关。每多花一元广告，收入似乎就有响应。但注意——相关性不等于因果关系，我们将在第六节展开这个问题。

r 的解读标准

r 绝对值	相关强度	含义
0.0 - 0.3	弱	可能只是噪音
0.3 - 0.7	中等	有关系，但不足以做确定预测
0.7 - 1.0	强	很强的线性关系

r² —— "解释了多少比例的方差"

r = 0.8 听起来不错，但它的"解释力"只有 r² = 0.64 = 64%。意思是：Y 的总波动中，有 64% 可以被 X 的波动"解释"，剩下 36% 是 X 没说明白的东西（可能是其他变量，也可能是随机噪音）。

在我们的例子中，r = 0.997，r² = 0.994。广告支出可以解释 99.4% 的收入波动——这个数据太完美了，现实中几乎不会出现（如果出现，可能是作假了，或者二者根本不是"因果"关系，而是一个共同因子在驱动）。

	BUD	TSI	CRB	ASB
BUD	1.00	0.72	0.68	0.45
TSI	0.72	1.00	0.85	0.38
CRB	0.68	0.85	1.00	0.40
ASB	0.45	0.38	0.40	1.00

第二节：概率论基础 —— 从"我觉得"到"概率是 X%"

概率论不是教你赌钱，而是给你一套应对不确定性的语言。"明天股市涨不涨？""这个项目能不能回本？""这个应聘者能不能胜任？"——你不能确定，但你可以量化。

2.1 概率公理与基本运算

三大公理：

非负性： 任何事件的概率 ≥ 0。P(A) ≥ 0。
规范性： 必然事件的概率 = 1。P(Ω) = 1。
可加性： 如果 A 和 B 互斥（不能同时发生），则 P(A 或 B) = P(A) + P(B)。

补集规则： P(非 A) = 1 - P(A)。百威亚太在某个季度 EPS 不达预期的概率是 35%，则达预期的概率 = 1-0.35 = 65%。

加法规则（通用）： P(A 或 B) = P(A) + P(B) - P(A 且 B)

为什么要减？因为如果 A 和 B 有重合，你数了两次。

手工实例 —— 筛选啤酒公司：

研究部跟踪了 200 家全球啤酒公司。定义：
A = ROE 超过 15%：P(A) = 0.30（60 家）
B = 年收入超过 100 亿元：P(B) = 0.25（50 家）
A 且 B（同时满足）：P(A∩B) = 0.10（20 家）

问：随机选一家，P(ROE>15% 或收入>100亿)？ P(A∪B) = 0.30 + 0.25 - 0.10 = 0.45 = 45%。

画个 Venn 图：左右两个圈交叠。左边圈 30%，右边圈 25%，交叠部分 10%。把左边圈和右边圈加起来时，交叠部分被数了两次，所以减掉一次。

2.2 条件概率 —— "在已知 X 的情况下，Y 的概率是多少"

条件概率是概率论最重要的概念，没有之一。它回答："当我掌握了新信息之后，概率怎么变？"贝叶斯定理（2.4 节）不过是这块的更系统化版本。

定义： P(A|B) = P(A∩B) / P(B)

读作："在 B 已经发生的条件下，A 发生的概率"。

完整手工案例 —— 2×2 列联表：

某 PE 基金跟踪了 250 笔历史投资：

	经济上行	经济下行	合计
投资成功	120	30	150
投资失败	40	60	100
合计	160	90	250

无条件的成功概率（你不知道任何宏观经济信息）：P(成功) = 150/250 = 0.60 = 60%。

条件概率 —— 已知经济上行： P(成功∣上行) = 120/160 = 0.75 = 75%。计算：P(成功∩上行) = 120/250 = 0.48。P(上行) = 160/250 = 0.64。P(成功∣上行) = 0.48/0.64 = 0.75。

条件概率 —— 已知经济下行： P(成功∣下行) = 30/90 = 0.333 = 33.3%。

核心洞察： P(成功∣上行) = 75% ≠ P(成功) = 60% ≠ P(成功∣下行) = 33.3%。宏观经济状况显著影响着投资成功的概率。如果一个变量已知之后概率不变（P(A|B) = P(A)），那 A 和 B 就是独立的。这里的投资成功和宏观经济不是独立的——这是常识，但我们现在有了数学证明。

2.3 全概率公式 —— "分情况讨论，再加权求和"

很多时候你不能直接算 P(B)，但你可以"分类讨论"：如果 A₁ 发生，P(B|A₁) 是多少；如果 A₂ 发生，P(B|A₂) 是多少……然后按 A₁、A₂……自身的概率加权求和。

公式： P(B) = P(B|A₁)·P(A₁) + P(B|A₂)·P(A₂) + ... + P(B|Aₙ)·P(Aₙ)

其中 A₁, A₂, ..., Aₙ 是一组互斥且穷尽的分割（partition）。

完整手工案例 —— 三家工厂的次品率：

某消费品公司有三个代工厂。工厂 1 承担 40% 的产量，历史次品率 2%。工厂 2 承担 35% 的产量，历史次品率 3%。工厂 3 承担 25% 的产量，历史次品率 1%。请问：随机从仓库抽一件产品，它是次品的概率是多少？

拆解：
P(来自工厂1) = 0.40，P(次品∣工厂1) = 0.02
P(来自工厂2) = 0.35，P(次品∣工厂2) = 0.03
P(来自工厂3) = 0.25，P(次品∣工厂3) = 0.01

全概率公式： P(次品) = 0.02×0.40 + 0.03×0.35 + 0.01×0.25 = 0.008 + 0.0105 + 0.0025 = 0.021 = 2.1%

直觉检验： 三家工厂的次品率分别在 1%-3%，产量占比加权后 2.1% 落在范围内且偏低于中间值（因为最低次品率的工厂 3 有 25% 的权重，不算小），合理。

2.4 贝叶斯定理 —— "更新信念"的数学引擎

这是整个 Day 14 最重要的一节。贝叶斯定理告诉你：拿到新证据之后，你应该怎么从"先验信念"（Prior）更新到"后验信念"（Posterior）。面试中如果被你用贝叶斯框架分析问题，基本就是满分答案的节奏。

公式： P(A|B) = [P(B|A) × P(A)] / P(B)

其中分母 P(B) 可以用全概率公式计算：P(B) = P(B|A)·P(A) + P(B|非A)·P(非A)

直观理解： 后验概率 = (似然度 × 先验概率) / 证据的总概率。你有一个初始信念（Prior），你看到了新数据（Evidence），你更新你的信念（Posterior）。

例 1：VC 投资 —— 看到了"连续创业者"这个信号

场景： 你是一家 VC 的分析师。经验告诉你，投过的创业公司中大约 15% 最终成功退出。你知道一个规律：成功退出的公司中 60% 的创始人之前有过创业经历（连续创业者）；而失败的公司中只有 20% 的创始人是连续创业者。现在面前有一个新项目，创始人是连续创业者。问：这个项目成功的概率是多少？

定义事件：
S = 成功退出，P(S) = 0.15（Prior）
C = 连续创业者
P(C|S) = 0.60（成功公司中有 60% 是连续创业者）
P(C|非S) = 0.20（失败公司中有 20% 是连续创业者）
P(非S) = 1 - 0.15 = 0.85

贝叶斯计算： P(S|C) = [P(C|S) × P(S)] / [P(C|S) × P(S) + P(C|非S) × P(非S)] = [0.60 × 0.15] / [0.60 × 0.15 + 0.20 × 0.85] = 0.09 / [0.09 + 0.17] = 0.09 / 0.26 = 0.3462 = 34.6%

解读： 看到"连续创业者"这个信号之后，你的成功概率从 15% 提高到 34.6%——翻了超过一倍。但仍然只有三分之一左右的成功率。这件事本质上还是很难的，一个信号不能把不确定性变为确定性。贝叶斯告诉你：相信证据，但不要过度反应。

例 2：医学检测 —— 为什么 99% 准确的检测也只意味着 9% 的得病概率

这是统计教育中最经典的例子，面试中经常出现。

场景： 某种罕见病在总人口中的患病率是 0.1%（千分之一，一万人中 10 个）。有一种检测方法：灵敏度 = 99%（真生病的人，检测出来是阳性的概率 = 99%），特异性 = 99%（没生病的人，检测出来是阴性的概率 = 99%，也就是说假阳性率 = 1%）。你做了一次筛查，结果是阳性。问：你真正生病的概率是多少？

直觉陷阱： 99% 准确 →"我 99% 生病了"——大错特错。

定义事件：
D = 真正生病，P(D) = 0.001
= 检测阳性
P(+|D) = 0.99（灵敏度）
P(+|非D) = 0.01（假阳性率，因为特异性 99%）
P(非D) = 0.999

贝叶斯计算： P(D|+) = [P(+|D) × P(D)] / [P(+|D) × P(D) + P(+|非D) × P(非D)] = [0.99 × 0.001] / [0.99 × 0.001 + 0.01 × 0.999] = 0.00099 / [0.00099 + 0.00999] = 0.00099 / 0.01098 = 0.0902 = 9.0%

震撼结论： 尽管检测 99% 准确，但在阳性结果中，只有约 9% 的人真正生病。为什么？因为疾病太罕见了——每 1000 个人中有 1 个人生病（真阳性约 1 个），但有约 10 个人被误报为阳性（假阳性 = 1% × 999 ≈ 10）。所以在 11 个阳性结果中，只有 1 个是真的。

商业启示： 这就是为什么大规模无差别筛查常常被质疑——当 base rate 很低时，即使测试准确率很高，阳性预测值（Positive Predictive Value）也可能很低。同样的逻辑适用于：招聘筛选、反欺诈系统、信用评分、尽职调查信号——如果 base rate 很低，一个"看起来异常"的信号并不意味着你真的找到了问题。

例 3：信用风险 —— 低信用评分的借款人，违约概率是多少

场景： 银行的历史数据显示，所有贷款申请人中有 5% 最终违约。已知：违约的人中有 80% 的信用评分低于 600；不违约的人中只有 15% 的信用评分低于 600。现在有一个申请人信用评分低于 600。他的违约概率是多少？

定义事件：
D = 违约，P(D) = 0.05
L = 信用评分低于 600
P(L|D) = 0.80
P(L|非D) = 0.15
P(非D) = 0.95

贝叶斯计算： P(D|L) = [0.80 × 0.05] / [0.80 × 0.05 + 0.15 × 0.95] = 0.04 / [0.04 + 0.1425] = 0.04 / 0.1825 = 0.2192 = 21.9%

解读： 低信用评分将违约概率从 5% 提升到约 22%——显著提高，但远不到确定性。银行不会因为这一个人就拒绝所有低信用评分的申请人，但定价（利率）必须反应这个风险。这就是信用评分模型的底层逻辑。

第三节：概率分布 —— 描述"随机性"的数学语言

前面我们讲了怎么描述已经发生的数据（描述性统计）和概率怎么运算。现在的问题是：如果一个过程是随机的，结果出现的模式是什么样的？——这就是概率分布。

3.1 随机变量 —— 离散 vs 连续

一个随机变量就是一个结果不确定的数值变量。扔骰子之前，我不知道会出现 1 到 6 中的哪一个——但我知道每种结果的可能性。

离散随机变量： 只能取特定的、可数的值。例子：

今年完成的 M&A 交易数量：0, 1, 2, 3, ...
一个季度内收到违约通知的公司数
一次面试中答对的题目数

离散随机变量的概率用 PMF（Probability Mass Function，概率质量函数）描述。P(X=k) 是一个具体的概率值。

连续随机变量： 可以在一个区间内取任何值。例子：

某只股票今天的日回报：可能是 1.234%，也可能是 -0.567%
明天下午 2 点的气温
一瓶啤酒的实际灌装量（目标是 500ml，实际可能是 499.7ml, 500.3ml......）

连续随机变量的概率用 PDF（Probability Density Function，概率密度函数）描述。关键区别：对于连续变量，P(X=某个精确值) = 0——你不关心 P(回报=恰好 1.234%)，你关心 P(回报落在 1% 到 2% 之间)。用面积来算概率。

3.2 二项分布 —— "n 次独立试验，每次成功概率 p"

某 PE 看了 10 个项目，每个项目独立地有 30% 的概率通过初筛。问：恰好 4 个通过的概率是多少？

PMF： P(X=k) = C(n,k) × pᵏ × (1-p)ⁿ⁻ᵏ

其中 C(n,k) = n! / [k!(n-k)!]，读作"n 选 k"。

完整手工计算：

n = 10（总共 10 个项目），p = 0.30（每个项目 30% 通过），k = 4（我们关心恰好 4 个通过）

Step 1： 组合数 C(10,4) = 10!/(4!×6!) = (10×9×8×7)/(4×3×2×1) = 5040/24 = 210

Step 2： pᵏ = 0.30⁴ = 0.30 × 0.30 × 0.30 × 0.30 = 0.0081

Step 3： (1-p)ⁿ⁻ᵏ = 0.70⁶ = 0.70 × 0.70 × 0.70 × 0.70 × 0.70 × 0.70 = 0.117649

Step 4： P(X=4) = 210 × 0.0081 × 0.117649 = 210 × 0.000953 = 0.2001 ≈ 20.0%

扩展计算 —— P(至少 1 个通过)： P(X ≥ 1) = 1 - P(X=0) = 1 - C(10,0) × 0.30⁰ × 0.70¹⁰ = 1 - 1 × 1 × 0.02825 = 1 - 0.02825 = 0.97175 ≈ 97.2%

即使每个项目只有 30% 的通过率，看 10 个项目拿到至少一个好项目的概率也高达 97%。这就解释了为什么 PE/VC 必须大量看项目——单个项目的成功率并不重要，重要的是 pipeline 的广度。

二项分布第二个实例——质量控制

某啤酒罐装线的次品率稳定在 2%。质检每批随机抽取 50 罐。问：在一批样品中恰好发现 0 罐次品的概率是多少？

n=50，p=0.02，k=0。C(50,0) = 1。P(X=0) = 1 × 0.02⁰ × 0.98⁵⁰ = 0.98⁵⁰。计算：0.98⁵⁰ 用手算太麻烦，但可以用近似：ln(0.98⁵⁰) = 50 × ln(0.98) = 50 × (-0.0202) = -1.01。e^(-1.01) ≈ 0.364。所以约有 36.4% 的概率一个次品都找不到——尽管产线确实在持续产生次品（2% 次品率）。

问：至少发现 1 罐次品的概率？P(X ≥ 1) = 1 - P(X=0) = 1 - 0.364 = 63.6%。所以约三分之二的批次中会发现至少一罐次品——这决定了质检能不能"睡大觉"（不能，63.6% 的批次会触发警报）。

面试应用： 二项分布是离散事件的"go-to distribution"。适用于"n 次独立试验，每次成功概率恒定"的场景。投行面试中出现的任何计数问题（几笔交易会违约、几个项目会成功、几个候选人会通过）都可以用二项分布框架来回答。

二项分布的参数：

参数	公式	本例
均值 E[X]	np	10×0.30 = 3.0
方差 Var(X)	np(1-p)	10×0.30×0.70 = 2.1
标准差	√[np(1-p)]	√2.1 ≈ 1.45

3.3 正态分布 —— 为什么它无处不在

如果你这辈子只学一种概率分布，那就学正态分布。中心极限定理告诉我们：无论原始分布长什么样，只要样本量够大，样本均值的分布就近似正态。这就是为什么正态分布在实际中无处不在。

PDF 公式（看看就好，不必背）：

f(x) = (1/(σ√(2π))) × exp(-(x-μ)²/(2σ²))

两个参数控制了形状：μ（均值）决定中心位置，σ（标准差）决定"宽度"——σ 越大，钟形曲线越扁越胖。

Z 分数（Z-score）：

Z = (X - μ) / σ。Z 是一个"单位换算"——把任何正态分布都转化到标准正态分布 N(0,1)，然后用同一张表查概率。"离均值几个标准差"——这就是 Z 的直观含义。

比如：你的身高比同龄人平均高 1.5 个标准差，Z = 1.5，对应大约前 6.7%（P(Z>1.5) ≈ 0.067）。

完整手工案例 —— S&P 500 日回报概率：

假设 S&P 500 日回报服从 N(μ=0.04%, σ=1.2%)。问：随机挑一天，日回报低于 -2% 的概率是多少？

Step 1： 定义问题。求 P(X < -2%)

Step 2： 计算 Z 分数。Z = (-2% - 0.04%) / 1.2% = -2.04 / 1.2 = -1.70

Step 3： 查标准正态分布表。P(Z < -1.70) = 0.0446（查表：Z=1.70 → 0.0446）

Step 4： 结论。大约 4.5% 的概率——换句话说，大约每 22 个交易日就有一天跌超 2%。这不是罕见事件。

68-95-99.7 规则（经验法则）：

范围	概率	金融含义（日回报 N(0.04%, 1.2%)）
μ±1σ：-1.16% ~ 1.24%	68%	约三分之二的日子在这个范围内
μ±2σ：-2.36% ~ 2.44%	95%	大多数日常波动在此范围内
μ±3σ：-3.56% ~ 3.64%	99.7%	超出 ±3σ 在正态下概率仅 0.27%，但实际中并不罕见（肥尾问题）

面试提示： 当被问到"某事件发生的概率是多少"时，先判断能不能用正态分布近似，然后标准化，然后查 Z 表。这三个步骤在任何面试中都是满分回答的结构。

第二个完整案例 —— 反向思维：从概率反推 z 值

一家投行的招聘笔试中，数学部分是正态分布评分 N(μ=70, σ=12)。前 10% 的考生进入面试轮。问：进入面试的最低分数是多少？

Step 1： P(Z > z_cutoff) = 0.10 → P(Z ≤ z_cutoff) = 0.90

Step 2： 查标准正态表，P(Z ≤ z) = 0.90 → z = 1.28（最常见的一个 z 值，建议记住：z=1.28 对应 90%，z=1.645 对应 95%，z=1.96 对应 97.5%，z=2.33 对应 99%）

Step 3： X = μ + z×σ = 70 + 1.28×12 = 70 + 15.36 = 85.36。进入面试的最低分数大约 85 分。

这个技巧在 PE 的 Portfolio 分析中经常用到：给定回报分布 N(μ,σ)，"最差的 5%（VaR 阈值）在哪里？"——答案永远在 μ - 1.645σ。

Q-Q 图（Quantile-Quantile Plot）概念：

检查数据是否服从正态分布的最简单方法：把实际数据的分位数画在 y 轴，理论正态分布的分位数画在 x 轴。如果点大致落在一条直线上，则是正态分布。如果两头翘起（远离直线），则是肥尾。Q-Q 图不是计算工具，但面试中你说"我们先画个 Q-Q 图看看是不是正态分布"——这句话本身就展示了统计学素养。

Q-Q 图的读法口诀：中间离直线 → 偏度；两头翘 → 肥尾。 实际投行研报中，很多研究员会用 Q-Q 图来论证"不应该用正态分布假设做风险建模"。

3.4a Z 表实战速查 —— 最常用的几个 Z 值

标准正态表中你真正需要记住的值只有这么几个。其他所有值都可以用这些做锚点来推算：

Z 值	P(Z ≤ z)	P(Z > z)	含义
0.00	0.5000	0.5000	均值
1.00	0.8413	0.1587	约 1/6 的概率超过 1σ
1.28	0.8997	0.1003	10% 尾部（面试常用）
1.645	0.9500	0.0500	α=0.05 单侧临界值
1.96	0.9750	0.0250	95% CI 双侧临界值
2.00	0.9772	0.0228	约 2.3% 概率超过 2σ
2.33	0.9901	0.0099	α=0.01 单侧临界值（99% VaR）
2.58	0.9951	0.0049	α=0.01 双侧临界值（99% CI）
3.00	0.9987	0.0013	"3-sigma" —— 正态下约 1/770

查表技巧： 标准正态表通常给的是 P(Z ≤ z) 即从左边累计到 z 的面积。要求 P(Z > z)，用 1 减去这个值。要求 P(a < Z < b)，用 P(Z≤b) - P(Z≤a)。负 z 值利用对称性：P(Z < -z) = P(Z > z) = 1 - P(Z ≤ z)。

面试中最容易忘的一个： α=0.05 双侧检验的临界值是 ±1.96（不是 1.645，1.645 是单侧的）。双侧的意思是你"不预设方向"——不管基金经理超额收益是正还是负，只要偏离 0 足够大就是异常。单侧是你"只关心一个方向"——只关心基金经理是否有"正"超额收益。搞清楚单侧还是双侧是面试中的基本要求。

3.4 肥尾问题 —— 为什么金融数据不服从正态分布

如果金融市场服从正态分布，1987 年黑色星期一的 22% 单日暴跌的概率大约是 10⁻⁵⁰——这个数字小到可以理解为"宇宙大爆炸以来一次都不会发生"。但它发生了。而且不止一次。

正态分布 vs t 分布的尾部比较

同样是 5 个标准差事件（5-sigma event）：
正态分布：P(|Z| > 5) ≈ 5.7 × 10⁻⁷，约 175 万分之一。如果每天一次试验，理论上是约 4800 年一遇。
t 分布（df=3）：P(|t| > 5) ≈ 0.005，约 200 分之一。大约每 200 个交易日就一次。

S&P 500 自 1950 年以来的实际数据中，5-sigma 日发生了数十次——远多于正态分布的预测，少于 t(3) 的预测。经验结论：金融数据大致介于正态和 t 分布之间——比正态"肥"但不像 t(3) 那么极端。

检查正态性的方法

Jarque-Bera 检验（概念）： 同时用偏度和峰度来检验正态性。如果数据是正态的：

偏度应该接近 0
超额峰度应该接近 0

JB 统计量大（p 值小）→ 拒绝正态性假设。这是 EViews 等计量软件的标准输出之一——投行面试中你可能被问到"怎么看一个数据集是不是正态的"，Jarque-Bera 是标准答案。

肥尾对风险管理意味着什么？

如果日回报真的有"肥尾"，那么用正态分布做风险建模会发生什么？举个例子：你是一个风险管理分析师，被要求计算 Daily VaR（Value at Risk，每日在险价值），也就是"在 99% 的置信度下，一天最多亏多少"。

如果日回报 ~ N(0%, 1.5%)，99% VaR = 0 + 2.33×1.5% = 3.5%。也就是说，在正态假设下，一天亏超过 3.5% 的概率只有 1%，即大约每 100 个交易日才出现一次。但如果真实分布是肥尾的（比如 t 分布，df=4），1% 分位点可能在 5% 左右——你低估了 1.5 个百分点。在 10 亿美元的 portfolio 上，1.5% 就是 1500 万美元的风险低估。

2008 年金融危机后，CFO 们要求 quant 团队不要只用正态分布做 VaR——这个要求在投行面试中是个加分话题。你可以提一句："应该用历史模拟法或者极值理论（EVT，Extreme Value Theory）来校准肥尾风险。"

第四节：假设检验 —— 科学方法的统计实现

这是一百年来统计学最核心的方法论。"这个基金经理到底有没有 Alpha？""新药是不是真的比安慰剂有效？""A/B test 中 B 版本真的更好吗？"——这些问题要的不是"好像有"，而是"证据强到我们可以排除运气因素"。

4.1 假设检验的逻辑框架

核心隐喻：刑事审判。 H₀（原假设）= "被告是无辜的"。你收集证据。如果证据强到"在无辜假设下几乎不可能出现"，陪审团拒绝 H₀（判有罪）。但如果证据不够强呢？——只能说"没有足够的证据证明有罪"（未能拒绝 H₀）。你从来不说"证明了他无辜"。

标准流程：

设立 H₀（零假设，通常代表"无效应/无差异"）和 H₁（备择假设）
选择显著性水平 α（通常 0.05 或 0.01）——"我愿意接受多高的冤案率？"
收集数据，计算检验统计量
比较检验统计量与临界值，或比较 p 值与 α
结论：Reject H₀（有显著证据）或 Fail to reject H₀（证据不足）

关键词： 我们永远不"接受 H₀"。我们说"未能拒绝 H₀"——这两者有天壤之别。前者意味着"我证明它是对的"，后者意味着"证据不够，我不下结论"。

4.2 单样本 z 检验 —— 完整手工计算

实战案例 —— 基金经理 Alpha 检验：

某基金经理声称他有 Alpha（选股能力），即他的组合月均超额收益 > 0。过去 36 个月，月均超额收益 x̄ = 0.45%，已知总体标准差 σ = 2.0%（行业经验值）。问：这些数据是否提供了"该基金经理有 Alpha"的充分证据？

Step 1 —— 设立假设： H₀：μ = 0（没有 Alpha，超额收益为零）；H₁：μ > 0（有正 Alpha）这是单侧检验（one-tailed），因为我们只关心"正 Alpha"，不是"有没有 Alpha（可以是正或负）"。

Step 2 —— 确定 α： α = 0.05。意思是：我愿意接受 5% 的概率"把一个没有 Alpha 的人判为有 Alpha"（第一类错误）。

Step 3 —— 计算检验统计量： z = (x̄ - μ₀) / (σ/√n) = (0.45 - 0) / (2.0/√36) = 0.45 / (2.0/6) = 0.45 / 0.3333 = 1.35

分母 σ/√n = 2.0/6 = 0.333% 是"均值标准误"（Standard Error of the Mean），意思是：如果原假设为真（μ=0），36 个月的样本均值会有多大的自然波动。

Step 4 —— 临界值： 查 Z 表，α = 0.05 单侧 → z_critical = 1.645

Step 5 —— 比较： 1.35 < 1.645 → z 统计量未超过临界值 → 未能拒绝 H₀

结论： 尽管观测到了 0.45% 的月均超额收益，但这个量级下，数据不足以排除"运气"这个解释。我们没有充分证据说这位基金经理有真正的 Alpha。注意：我们没有说他"没有 Alpha"——我们只是说"证据不够"。

4.3 p 值 —— "数据有多极端"

p 值 = 在原假设 H₀ 为真的前提下，观察到与我们所得一样极端（或更极端）的检验统计量的概率。

公式： p-value = P(检验统计量 ≥ 观测到的值 | H₀ 为真)

续前例 —— 计算 p 值：

我们的 z = 1.35，单侧检验。查标准正态表：P(Z > 1.35) = 1 - P(Z ≤ 1.35) = 1 - 0.9115 = 0.0885。

p = 0.0885。意味：如果这个基金经理真的没有 Alpha（μ=0），纯粹靠运气拿到 0.45% 以上月超额收益的概率大约是 8.9%。

比较：p = 0.0885 > α = 0.05 → 无法拒绝 H₀（与临界值方法的结论一致）。

关于 p 值的常见错误理解（面试必考点）

错误说法	为什么错
"p 值 = H₀ 为真的概率"	严重错误。 p 值是 P(数据∣H₀)，不是 P(H₀∣数据)。这二者通过贝叶斯定理连接（还记得前面吗？），但在频率学派中，p 值不直接回答"假设有多可能是真的"。
"p > 0.05 意味着 H₀ 为真"	错误。只是"证据不够"。可能样本太小，可能效应确实不存在。
"p < 0.05 意味着效应很大"	错误。 p 值只告诉你"不太像随机噪音"，不告诉你效应大小。效应大小看 estimate（如 x̄-μ₀ = 0.45%），精度看置信区间。
"p < 0.05 意味着结论很重要"	错误。巨大样本下，微小而不重要的效应也能显著。小样本下，重要的大效应也可能不显著。

正确理解： p 值是"在 H₀ 为真的前提下，数据看起来有多极端。"p 值小 → "在零假设下出现这种数据太不寻常了"→ 倾向于拒绝 H₀。p 值大 → "零假设下这种数据挺正常"→ 不能拒绝 H₀。

4.4 第一类错误与第二类错误

没有人是完美的，统计推断也一样。

	H₀ 为真（无效应）	H₀ 为假（有效应）
拒绝 H₀	Type I Error（α）——冤案	正确（Power = 1-β）
未拒绝 H₀	正确（1-α）	Type II Error（β）——漏网

第一类错误（False Positive）： 错杀好人。α = P(拒绝 H₀ ∣ H₀ 为真)。你设定 α = 0.05，就是接受了 5% 的冤案率。
第二类错误（False Negative）： 放过坏人。β = P(未能拒绝 H₀ ∣ H₁ 为真)。换句话说：有效应存在，但你的检验没能检测到。
检验功效（Power）： 1-β = 当有效应真实存在时，你成功检测到它的概率。

一个将贝叶斯逻辑和假设检验结合的实例

某量化团队筛选了 100 个交易策略。实际上，其中 5 个是真正有效的（有真实 Alpha），95 个是噪音。设定 α = 0.05，Power = 0.80（80% 的有效策略会被正确检测到）。

预期结果：
真正有效的 5 个中，被正确检出的 = 5 × 0.80 = 4 个
噪音中 95 个中，被错误检出的 = 95 × 0.05 ≈ 5 个
总共 4+5 = 9 个策略被判为"显著"
在被判为显著的那些策略中，真正有效的比例 = 4/9 ≈ 44%

震撼结论： 尽管 α = 0.05 和 Power = 0.80 看起来都是体面的参数，但在 base rate 很低（只有 5% 的策略有效）的情况下，超过一半的"显著"结果其实是噪音。这和第二节贝叶斯定理中罕见病筛查的逻辑完全一致——α 和 p 值是筛子，但筛出来的东西有多可靠，取决于你要找的东西有多罕见。

4.5 多重比较问题 —— "测试得越多，越容易撞上假阳性"

回忆第一节的掷硬币：扔 10 次硬币，连续 10 次正面的概率是 1/1024 ≈ 0.001。但如果有 1000 个人同时扔 10 次，至少有一个人拿到 10 次正面的概率 = 1-(1-0.001)^1000 ≈ 1-0.368 = 63.2%。——这几乎必然发生。

在统计检验中的含义：如果你同时检验 20 个独立的零假设，每个 α = 0.05，那么： P(至少 1 个假阳性) = 1 - (1-0.05)^20 = 1 - 0.95^20 = 1 - 0.358 = 0.642 = 64.2%

你做 20 个检验，有 64% 的概率至少碰上一个假阳性——即使所有 20 个零假设都是真的。 这就是为什么基金公司"测试了几百个因子，最终发现了这个显著因子"这件事你需要高度怀疑。

修正方法

Bonferroni 校正（最保守）：

α_adjusted = α / m。检验 20 个假设，使用 α = 0.05/20 = 0.0025 才能维持整体第一类错误率在 5%。代价巨大：Power 急剧下降，真正有效应可能也被过滤掉。

Benjamini-Hochberg 过程（更实用，控制 False Discovery Rate）：

概念层面：把所有 m 个检验的 p 值从小到大排序。设定一个可接受的假发现率（FDR，比如 5%）。确定一个阈值，使得在通过阈值的结果中，假阳性比例不超过 5%。具体的 p 值阈值不是 α/m 那样一刀切，而是根据每个 p 值的排位动态调整的。具体公式今天不讲，但面试中如果你提到 BH procedure 这个名字，已经比 95% 的人强了。

4.6 t 检验 —— 当你不认识真实的 σ

z 检验要求你知道总体标准差 σ——这在实际中几乎是不可能的（如果你知道 σ，你大概率也知道 μ 了）。t 检验用样本标准差 s 替代 σ。代价是：检验统计量的分布不再是正态，而是 t 分布（更肥的尾巴，自由度越小越肥）。

何时用 t 检验： σ 未知，从样本中估计 s；小样本（n < 30）；需要更"保守"的推断。

与前述完全相同的数据，但改用 t 检验：

同一个基金经理，36 个月，x̄ = 0.45%，但这次我们不知道 σ，只知道样本标准差 s = 2.0%。H₀：μ = 0，H₁：μ > 0，α = 0.05。

Step 1： t = (x̄ - μ₀) / (s/√n) = (0.45 - 0) / (2.0/√36) = 0.45 / 0.3333 = 1.35

Step 2： 自由度 df = n-1 = 35。

Step 3： 查 t 分布表，df=35，α=0.05 单侧：t_critical ≈ 1.690（t(35) 的临界值比 z 的 1.645 略大——因为尾巴更肥，你需要更强的证据才能拒绝 H₀）。

Step 4： 1.35 < 1.690 → 未能拒绝 H₀。结论与 z 检验相同，但 t 检验更"挑剔"——这很合理，因为我们不确定 σ。

z 临界值 vs t 临界值对比：

df	z_crit (α=0.05单侧)	t_crit (α=0.05单侧)
10	1.645	1.812
30	1.645	1.697
60	1.645	1.671
120	1.645	1.658
∞	1.645	1.645

t 分布随 df 增大趋近正态分布。n ≥ 30 时，t 和 z 差距已经不大，但 n 越小差距越明显。

其他常用 t 检验概览：

双样本 t 检验（Two-sample t-test）—— 完整手工实例：

比较两个独立组的均值是否有差异。某咨询公司为百威亚太做消费者测试：80 个消费者随机分为两组，A 组品尝旧配方（对照组），B 组品尝新配方（实验组）。评分（满分 10 分）如下：

A 组（旧配方，n₁=40）：x̄₁ = 6.8，s₁ = 1.5 B 组（新配方，n₂=40）：x̄₂ = 7.5，s₂ = 1.4

H₀：μ₁ = μ₂（新旧配方无差异），H₁：μ₁ ≠ μ₂（有差异），α = 0.05，双侧检验。

Step 1： 合并标准误（假设等方差）：SE = √[s₁²/n₁ + s₂²/n₂] = √[1.5²/40 + 1.4²/40] = √[2.25/40 + 1.96/40] = √[0.05625 + 0.04900] = √0.10525 = 0.3244

Step 2： t = (x̄₂ - x̄₁) / SE = (7.5-6.8)/0.3244 = 0.7/0.3244 = 2.16

Step 3： 自由度 df ≈ n₁+n₂-2 = 78（使用 Welch 近似）。查 t 表，df=78，双侧 α=0.05 → t_crit ≈ 1.99。

Step 4： 2.16 > 1.99 → 拒绝 H₀。新配方显著优于旧配方（p < 0.05）。

商业结论： 新配方平均评分比旧配方高 0.7 分，且差异在统计上显著——建议推进新配方。

配对 t 检验（Paired t-test）—— 概念 + 实例：

双样本 t 检验处理的是两组独立的人或物。配对 t 检验处理的是同一组对象在两种条件下的差异。控制了个体差异，因此比双样本更有检验力（power 更大）。

实例：10 位分析师参加为期一周的财务建模培训。培训前后各完成一套相同难度的建模测试（满分 100 分）。

分析师	培训前	培训后	差值 d
1	62	70	+8
2	58	64	+6
3	75	78	+3
4	70	76	+6
5	65	72	+7
6	60	66	+6
7	68	73	+5
8	72	79	+7
9	55	62	+7
10	80	83	+3

先算差值的均值和标准差：d̄ = (8+6+3+6+7+6+5+7+7+3)/10 = 58/10 = 5.8。差值的样本标准差 s_d：各 d 离差平方和 = (8-5.8)²+(6-5.8)²+(3-5.8)²+(6-5.8)²+(7-5.8)²+(6-5.8)²+(5-5.8)²+(7-5.8)²+(7-5.8)²+(3-5.8)² = (2.2)²+(0.2)²+(-2.8)²+(0.2)²+(1.2)²+(0.2)²+(-0.8)²+(1.2)²+(1.2)²+(-2.8)² = 4.84+0.04+7.84+0.04+1.44+0.04+0.64+1.44+1.44+7.84 = 25.60。s_d = √[25.60/9] = √2.844 = 1.686。

t = d̄/(s_d/√n) = 5.8/(1.686/√10) = 5.8/0.533 = 10.88。df=9，双侧 t_crit(α=0.05,df=9) = 2.262。10.88 >> 2.262 → 极强的显著性。培训确实提升了建模能力。注意：配对检验的 t 值远大于双样本——因为"每个人当自己的对照"，个体间的基线差异被排除了，检验力更高。

第五节：置信区间 —— "我们有多确定"

假设检验告诉你一个"是/否"的答案。置信区间（Confidence Interval, CI）给你一个"范围"——效应有多大？估计有多精确？面试中，给出一个"点估计 + 95% CI"的回答总是优于只给点估计。

5.1 均值的置信区间

公式（σ 已知）： 95% CI = x̄ ± z_0.025 × σ/√n

公式（σ 未知：） 95% CI = x̄ ± t_0.025,df × s/√n

续前例 —— 基金经理超额收益的 95% 置信区间：

x̄ = 0.45%，σ = 2.0%，n = 36。z_0.025 = 1.96（双侧 2.5% 的尾部）。

标准误（SE）= σ/√n = 2.0/6 = 0.3333%

误差边际（Margin of Error）= 1.96 × 0.3333% = 0.6533%

95% CI = 0.45% ± 0.653% = [-0.203%, 1.103%]

解读——正确方式： 如果我们重复这个实验很多次（每次取 36 个月的数据，算一个 CI），那么这些 CI 中有 95% 会包含真实的 μ。
解读——错误方式： "真实 μ 有 95% 的概率落在这个区间内。"在频率学派框架中这句话是错的——真值不是随机变量，它是固定的。CI 才是随机的。
解读——贝叶斯学派： 贝叶斯学派有"可信区间"（Credible Interval），它的解释就是"μ 有 95% 概率落在此区间"。面试中如果能分清 Confidence Interval（频率学派）vs Credible Interval（贝叶斯学派），是非常强的加分项。

关键信息： 95% CI 包含 0 → 不能拒绝 H₀：μ=0（双侧检验，α=0.05）。这与前面假设检验的结论一致——CI 和假设检验在数学上是等价的。

5.2 比例的置信区间

当你在做市场调研或用户调查时，你关心的不是连续变量的均值，而是一个比例（市场份额、满意度、转化率等）。

公式（大样本，使用正态近似）： 95% CI for p = p̂ ± z_0.025 × √[p̂(1-p̂)/n]

此处 p̂ 是样本比例，√[p̂(1-p̂)/n] 是标准误（SE）。

完整实例 —— 消费者市场份额调查：

某咨询公司受百威亚太委托，调查中国高端啤酒市场。随机抽样 500 名消费者，165 人首选品牌 A。p̂ = 165/500 = 0.330 = 33.0%。

Step 1： 标准误 SE = √[p̂(1-p̂)/n] = √[0.33×0.67/500] = √[0.2211/500] = √0.0004422 = 0.02103

Step 2： z_0.025 = 1.96。误差边际 = 1.96 × 0.02103 = 0.04122 ≈ 4.12 个百分点

Step 3： 95% CI = [33.0% - 4.12%, 33.0% + 4.12%] = [28.88%, 37.12%]

解读： 我们有 95% 的置信度认为品牌 A 的真实市场份额在 28.9% 到 37.1% 之间。误差边际约 4.1%（常被称为"抽样误差 ±4.1%"）。

样本量如何影响 CI 宽度：

标准误 ∝ 1/√n。如果样本量翻倍（500→1000），SE 缩小为原来的 1/√2 ≈ 0.707 倍。CI 宽度同步缩小为原来的 71%。想要 CI 宽度减半 → 需要样本量翻四倍。这是"为什么好的调查这么贵"的数学解释。

5.3 CI vs 假设检验的关系

假设检验	置信区间
二元的：显著 / 不显著	连续的：效应大小的可能取值范围
不告诉你效应有多大	直接给出效应大小的范围 + 精度
易于误解 p 值	更直观，不容易被滥用

等价关系： 在双侧检验中，95% CI 不包含 0 ⟺ 在 α=0.05 下拒绝 H₀。对于差异的 CI：如果 μ₁-μ₂ 的 95% CI 不包含 0，则双样本检验在 α=0.05 下显著。
面试最佳实践： 不只报告"结果是否显著"，同时报告点估计和 95% CI。比如："该策略的月均超额收益为 0.45%，95% CI 为 [-0.20%, 1.10%]，未能排除零效应（p=0.089）。"——这一句话包含了所有关键信息。

为什么 95% 而不是 90% 或 99%？

这个问题在面试中也偶尔被问到。95% 置信度是一个"社会契约"——Fisher 早年提出 p<0.05 作为"值得再研究一次"的初步门槛，后来行业逐渐固化为"发表标准"。本质上：90% CI 太窄（犯错率 10% 太高），99% CI 太宽（样本量要求太高，实际中往往做不到）。95% 是中间的一个实用折中。但在某些领域标准不同：物理学发现粒子要求 5-sigma（p ≈ 3×10⁻⁷），而某些社会科学中 p<0.10 也被视为"边际显著"。关键不是死记 α=0.05，而是知道**"α 越小，结论越保守，样本量需求越大"**这个 trade-off。

第六节：相关性 vs 因果关系 —— 你不能在面试中搞错

这是统计推断中最危险的一个陷阱，也是面试中最常被考察的概念区分。如果你在投行/咨询面试中说"数据显示 A 和 B 高度相关，所以 A 导致 B"——面试官大概率已经在心里画了个叉。

6.1 伪相关与遗漏变量

冰淇淋销量和溺水死亡人数高度正相关（r≈0.8）。所以吃冰淇淋会导致溺水？当然不是。第三个变量——夏天的高温——同时导致更多人吃冰淇淋和更多人游泳（进而更多溺水）。

这个"第三个变量"叫做混淆变量（Confounding Variable）。遗漏了它，你就会看到 A 和 B 之间本不存在的"因果"假象。这叫遗漏变量偏误（Omitted Variable Bias）。

经典案例 —— MBA 毕业的 CEO 是否带来更好的公司业绩？

数据显示：MBA 毕业的 CEO 领导的公司，平均 ROE 比非 MBA CEO 高 3 个百分点。所以 MBA 教育提升了公司业绩？不一定是因果。可能是：
更好的公司（本身 ROE 就高）更愿意花钱请 MBA CEO（逆向因果）
出身富裕家庭的人更可能读 MBA，同时他们的人脉更有助于拿到好公司的 CEO 职位（遗漏变量）

伪相关展览馆 —— 数学不撒谎，但也不思考：

美国在科学、空间和技术上的支出，与上吊自杀人数之间的相关性 r = 0.99（1999-2009 年）。德国每人的奶酪消费量，与被床单缠住而死亡的人数之间的相关性 r = 0.95。这些是真实的统计相关性，但显然毫无因果关系——这是"数据挖掘"的必然产物：在几百万对变量中，总会有些纯靠巧合出现高相关。

遗漏变量偏误的 DAG 直觉

DAG（有向无环图，Directed Acyclic Graph）是经济学家和流行病学家用来形式化因果关系的工具。画法：
遗漏变量情况：Z → X，Z → Y。如果你只看 X 和 Y 的相关而忽略 Z，你就在测量一条被 Z 污染的假关系。
正确做法：在面试中，当你被要求解释"为什么 A 和 B 相关"时，永远先问自己："有没有一个 C，它既影响 A 又影响 B？"

一个面试中常见的"因果 vs 相关"辨析题

"数据显示，喝红酒的人心脏病发病率更低。所以红酒预防心脏病。"——这个论证有什么问题？

可能的混杂因素： 喝红酒的人往往收入更高（红酒比啤酒贵），收入高的人有更好的医疗条件、更健康的饮食、更多的锻炼时间。不是红酒本身有魔力，而是"有钱喝红酒"这个行为与"有钱保持健康"高度相关。法国的"法式悖论"（高饱和脂肪饮食但心脏病发病率低，归功于红酒）后来被发现更大程度上是数据记录方式（法国死亡证明的心脏病分类与美国不同）和饮食整体模式（地中海式饮食的多元蔬菜、橄榄油、鱼）导致的，红酒中的白藜芦醇的效果远没有最初声称的那么大。

面试要点： 永远区分"observational association"和"causal effect"。对于观测数据提出的因果主张，你的第一反应应该是："How would you design an RCT to test this?"——然后再退回来讨论为什么不能用 RCT（伦理、成本、可行性），以及替代方案（DiD、RD、IV 等）。

6.2 因果推断方法概览

既然观测数据里的相关性不能直接解释为因果，社会科学和商业分析就发展了一套专门的"因果推断"工具箱。面试中你能说出这些方法的名字和基本逻辑即可。

随机对照试验（RCT —— Randomized Controlled Trial）

黄金标准。 随机将受试者分为处理组和对照组，唯一的系统差异就是"是否接受处理"。因为分组是随机的，两组在一切可观测和不可观测的变量上都（在期望上）均衡。因此，组间结果的差异可以归因为处理本身。

局限性： 贵，慢，有些情况下不道德（不能让一组人不接受教育来做对照），有些情况下不可行（宏观经济政策不能随机分配给不同国家）。

双重差分（Difference-in-Differences, DiD）

简单实例 —— 最低工资对就业的影响：
州 A 在 2022 年将最低工资从 $12 提高到 $15。州 B 没有改变（保持 $12）。
数据：
州 A：2021 年就业率 95%，2023 年就业率 93%（变化 = -2%）
州 B：2021 年就业率 94%，2023 年就业率 93%（变化 = -1%）
DiD = (93%-95%) - (93%-94%) = (-2%) - (-1%) = -1%
结论：在考虑到全国性趋势（州 B 也下降了 1%）之后，最低工资提高的"净效应"大约是减少 1% 的就业率。这就是双重差分的核心思想：先差分（before vs after），再差分（treatment vs control），把"自然趋势"从"处理效应"中剥离。

断点回归（Regression Discontinuity, RD）

概念： 利用一个任意的分界线来做因果推断。例如：奖学金只发给高考分数 ≥600 的学生。考 599 分的学生和考 600 分的学生，除了是否拿到奖学金外，在能力上几乎完全相同。比较这两个人群的大学成绩——这个差异可以归因为奖学金的效果。
"分界线两侧几乎等同的人群"是 RD 识别因果效应的核心假设。

工具变量（Instrumental Variable, IV）

概念层面：找一个变量 Z，它影响 X（处理变量），但不直接影响 Y（结果变量），而且只通过 X 影响 Y。Z 就是一个"工具"。最经典的例子是：用"降雨量"作为"冲突爆发"的工具变量来研究冲突对经济增长的影响——降雨量影响农业产出→影响冲突→但降雨量不直接影响 GDP 增长。

第七节：经典统计陷阱 —— 面试中绝对不能犯的错

7.1 幸存者偏差（Survivorship Bias）

"二战时，军方检查返航的战斗机，发现机翼上弹孔最多，于是决定加固机翼。"一个统计学家（亚伯拉罕·瓦尔德）指出：不，应该加固弹孔最少的地方（引擎和油箱）——因为被击中那里的飞机根本就没有返航。
你只能看到"活下来"的样本。活下来的人带有特定的特征（比如机翼上弹孔多）——但这不代表那些特征导致了存活。

数值演示 —— 为什么"好基金"的业绩会高估

模拟实验：1000 只基金同时起步，每只基金的年回报独立随机，服从 N(8%, 20%)。每年如果一只基金的累计净值跌到 0.50 以下（"腰斩"），假设清盘退出。运行 10 年。

初始：1000 只基金，真实能力均值 = 8%/年。 10 年后：约 200 只基金存活（800 只在某个时点跌破 0.50 被清盘）。存活的 200 只基金的平均年化回报：约 12%。 但所有 1000 只基金的真实平均年化回报仍然是 8%。 幸存者偏差的效应：你观察到的 12% 比真实的 8% 高出了 4 个百分点——纯粹是因为表现差的基金消失了。

面试中的应用： "我们发现顶级 PE 基金的回报率很高"——这可能是幸存者偏差：回报率差的 PE 基金不再募资，你根本看不到它们。对冲基金数据库（如 HFR）存在著名的"回填偏差"（backfill bias）：基金只有表现好之后才会主动提交数据。

幸存者偏差的另一个经典商业案例

某招聘平台统计了平台上自由职业者的收入，报告称"自由职业者平均年收入 25 万，比上班族高 40%"。问题在哪？收入低于某个阈值的自由职业者可能已经退出了平台（回公司上班了），你统计的是"留下来的人"——而留下来的人恰恰是做得还不错的那批。还有，兼职赚外快的上班族可能根本不注册这种平台。

面试中怎么用： 当你在咨询案例中被要求分析一个行业的"平均业绩"时，先问："这个平均数是从哪来的？谁被排除在外了？谁被包括进来了？退出的、失败的、不回答的那些数据在哪？"

7.2 选择性偏差（Selection Bias）

样本不是随机抽取的，而是以一种与结果变量相关的方式被"选入"样本——样本不再代表总体。

经典案例： 通过问卷调查"大学毕业生毕业五年后的平均薪资"。高薪的人更愿意回应调查（骄傲），低薪的人更不愿意回应（羞愧）→ 调查结果有偏。

Heckman 校正（概念层面）： 诺贝尔奖得主 James Heckman 的方法：建立一个两步模型。第一步预测"被观测到的概率"（选择方程），第二步在修正了选择偏误后预测"结果"（结果方程）。实际操作需要专门的计量软件，但面试中能说出这个概念已经足够。

7.3 辛普森悖论（Simpson's Paradox）

分组看，A 每一组都比 B 好；但合起来看，B 总体比 A 好。原因：各组的样本量不同，而且在"更难"的组中 A 有更多样本。

经典案例 —— 某大学研究生录取中的性别偏倚争议：

学院	男性申请数	男性录取	录取率(男)	女性申请数	女性录取	录取率(女)
商学院	800	480	60%	200	130	65%
法学院	200	40	20%	800	180	22.5%

看每个学院： 商学院的女生录取率 65% > 男 60%。法学院的女生 22.5% > 男 20%。看起来没有性别偏倚，甚至女生还有优势。
但合并起来看总体： 男总录取率 = (480+40)/(800+200) = 520/1000 = 52% 女总录取率 = (130+180)/(200+800) = 310/1000 = 31%
合并后，男性录取率 52%，女性 31%。悖论的解释：女性更倾向于申请法学院（录取率低），男性更倾向于申请商学院（录取率高）。性别和学院选择之间存在 confounding。

商业应用： 比较两个销售团队的转换率时，A 队总体高，但 B 队在每种客户类型中都高于 A 队——可能因为 A 队的客户 mix 中"容易成交"的类型占比更高。没有做 mix adjustment 之前，A 队的成绩不代表他们的能力更强。

辛普森悖论的第二个商业实例 —— 广告投放渠道比较

某电商公司的营销团队比较两种广告渠道的转化率：

渠道	移动端展示数	移动端转化	移动转化率	PC端展示数	PC端转化	PC转化率
渠道A	5000	500	10.0%	1000	50	5.0%
渠道B	1000	120	12.0%	5000	300	6.0%

在每个设备类型上，渠道 B 的转化率都高于渠道 A（移动 12%>10%，PC 6%>5%）。但看总数据：A 总转化率 = (500+50)/(5000+1000) = 550/6000 = 9.17%。B 总转化率 = (120+300)/(1000+5000) = 420/6000 = 7.00%。A 总体更高——为什么？因为 A 的流量中有 83% 在转化率更高的移动端，而 B 只有 17%。渠道和设备类型之间有 confounding。

解决方案： 用标准化/加权平均来校正。以 A 和 B 合在一起的设备 mix 作为权重（移动 60% vs PC 40%）：A 标准化转化率 = 10%×0.6+5%×0.4 = 8.0%。B 标准化转化率 = 12%×0.6+6%×0.4 = 9.6%。校正后，B 确实更好。面试中遇到辛普森悖论：先拆分子组看，如果方向反转，就找到"权重差异"在哪个维度；然后用标准化做校正。

7.4 回归到均值（Regression to the Mean）

如果某件事第一次测量时极端地高，第二次测量时它通常会更接近平均值——这不是因为任何机制在起作用，纯粹是统计规律。

为什么？ 极端值 = 真实能力 + 极端运气。能力是稳定的，但运气不持久。下一次，运气大概率回归到"普通"水平，所以总结果回归到均值。

基金经理的"年度之星"魔咒：

每年晨星（Morningstar）都会评选"基金经理年度之星"。数据显示：获奖当年的平均超额收益在行业中排前 1%。获奖后三年的平均超额收益：往往低于行业中位数。 不是因为他们"骄傲了"或者"能力退化了"——而是因为获奖那年的极端业绩大概率包含了巨大的运气成分。运气不持续，业绩回归均值。

面试中的应用： 当听到"某某销售员今年业绩翻了 5 倍，我们明年计划都按这个增速排"——你应该警觉。明年的增速大概率会大幅回落。不是销售员变差了，是"回归到均值"。

7.5 赌徒谬误（Gambler's Fallacy）

"这个硬币连续 10 次正面了，下一次反面的概率一定很高。"——错。如果硬币是公平的，每次投掷独立，P(反) 永远是 50%。硬币没有记忆。

在投资界："这只股票连续涨了 5 天，明天肯定要回调。"——这是对随机游走的误解。如果价格变化接近随机，昨天涨不意味着今天跌。

均值回归 vs 赌徒谬误 —— 如何区分？

	均值回归（是真的）	赌徒谬误（是错的）
机制	存在一个稳定的"均值"，偏离后会有一个力把它拉回来	独立事件，没有拉回的力
例子	P/E 比率：过高时企业盈利跟不上，估值终究回落	硬币抛掷：每次独立
例子	运动员的赛季表现：运气均值回归	轮盘赌号码：每次独立
关键问题	"有一个稳定的长期均值吗？"	"每次事件是否独立？"

如果存在一个基本面锚定的"均衡水平"（如 P/E 的历史均值、利率的长期均衡），超调后回归是有理论依据的。但如果事件独立（如每一次轮盘旋转），"该回来了"只是大脑的模式识别机制在欺骗你。

面试题一览

以下题目涵盖了本周的核心概念。建议不仅看答案，更重要的是一边做一边自言自语——面试中你要把思考过程讲出来。

题 1： 某 VC 的历史数据显示，投资的项目中 20% 成功退出。成功退出的公司中，70% 在 A 轮之前就有付费客户。失败的公司中，只有 25% 在 A 轮之前有付费客户。现在面前一个新项目，A 轮之前已经有付费客户。问：这个项目成功退出的概率是多少？

解题思路： 贝叶斯定理。设 S=成功退出，C=有付费客户。P(S)=0.20，P(C|S)=0.70，P(C|非S)=0.25，P(非S)=0.80。P(S|C) = (0.70×0.20)/(0.70×0.20+0.25×0.80) = 0.14/(0.14+0.20) = 0.14/0.34 = 41.2%。初始信念 20% → 更新为 41.2%。

题 2： 某银行新开发了一套 AI 反欺诈系统。历史数据显示交易中欺诈率约为 2%。系统的检出率（抓出真正欺诈）为 95%，误报率（把正常交易标记为欺诈）为 5%。如果一笔交易被系统标记了，它真正是欺诈的概率是多少？

解题思路： 另一个贝叶斯定理。F=欺诈，M=被标记。P(F)=0.02，P(M|F)=0.95，P(M|非F)=0.05，P(非F)=0.98。P(F|M) = (0.95×0.02)/(0.95×0.02+0.05×0.98) = 0.019/(0.019+0.049) = 0.019/0.068 = 27.9%。尽管系统看起来不错，但在 2% 的 base rate 下，被标记的交易中只有约 28% 是真正的欺诈。这为什么反欺系统往往依赖多重信号而非单一规则——单规则的阳性预测值不够。

题 3： 你需要检验一位基金经理是否真的有选股能力。他过去 25 个月的年化超额收益均值为 2.4%，年化波动率（σ）历史经验值为 8%。请以 α=0.05 进行假设检验，并计算 95% 置信区间。

解题思路：

z 检验：H₀：μ=0，H₁：μ>0。n=25，x̄=2.4%，σ=8%。
z = (2.4-0)/(8/√25) = 2.4/1.6 = 1.50
临界值 z_crit(α=0.05,单侧) = 1.645。1.50 < 1.645 → 未能拒绝 H₀。
p-value = P(Z > 1.50) = 1-0.9332 = 0.0668。
95% CI = 2.4% ± 1.96×(8/√25) = 2.4% ± 3.136% = [-0.736%, 5.536%]。CI 包含 0，与检验结论一致。

题 4： 解释为什么在医学筛查研究中，一个 99% 准确率的诊断测试在人群筛查中阳性预测值可能只有不到 10%。用贝叶斯公式说明。

解题思路： 见第二节例 2 的完整计算。核心原因：患病率（base rate）极低 → 假阳性人数（健康但被误报的人）远多于真阳性人数（生病且被正确检出的人）。假阳性淹没了真阳性。

题 5： 某公司做了 20 个 A/B 测试来优化网站，每个测试使用 α=0.05。他们发现 3 个测试显著，并据此调整了网站设计。这个决策有什么问题？

解题思路： 多重比较问题。P(至少 1 个假阳性) = 1-0.95²⁰ = 64.2%。在 20 个测试中，即使所有变化都无效，预期也有 1 个假阳性（20×0.05=1）。找到了 3 个显著结果中，可能只有 2 个是真实效果——但也可能 3 个全是假阳性。应该用 Bonferroni 校正（每个检验用 α=0.0025）或 BH 过程来控制 FDR。

题 6： 一家公司报告说"团队平均薪资为年薪 15 万"。你了解到团队有 1 位创始人和 19 名员工。你不信任这个均值。应该问什么？用哪些统计度量？

解题思路： 如果是严重右偏的薪资分布（创始人高额薪酬），均值会被拉高。应该问中位数、分位数（25th, 75th percentile）、或者修剪均值（去掉上下 5%）——这些比均值更能反映"普通员工挣多少"。如果对方不提供这些，可以要原始数据自己算分布形状（直方图、偏度）。如果创始人 300 万，19 个员工都是 6 万，均值 = (300+19×6)/20 = 20.7 万，但中位数 = 6 万。只报告均值是 misleading。

题 7： 一个投资策略过去 10 年的年化回报为 15%，而市场（S&P 500）同期回报为 10%。策略的回报标准差为 25%，市场回报标准差为 15%。相关性为 0.8。你如何判断这个策略的超额收益是否显著？

解题思路： 直接比较 15% vs 10% 忽略了一个关键问题：策略可能只是加了更高的杠杆或承担了更多的系统性风险。CAPM 框架下：Beta = ρ × (σ_strategy/σ_market) = 0.8 × (25%/15%) = 0.8 × 1.667 = 1.333。Beta 为 1.33 的策略，在市场涨 10%（假设 Rf≈0%）时自然会涨 13.3%——多出来的 1.7%（=15%-13.3%）才是"异常"超额收益（Alpha）。然后对这个 Alpha 做 t 检验（需要标准误数据），判断是否显著不等于 0。面试要点：不能说"15%>10%所以好"，必须说"控制 Beta 之后的 Alpha 是多少"。

题 8： 在面试中，面试官给你下面这张表，问你看到了什么：

组别	人数	平均分
整体	200	75.0
男生	100	78.0
女生	100	72.0

面试官说："男生成绩显著高于女生，差了 6 分。你觉得这合理吗？"

解题思路： 这里面缺少两个关键信息：一是分数的标准差（或标准误）——没有标准误就无法做假设检验；差值 6 分在没有标准差的情况下无法判断是否"显著"。二是可能存在遗漏变量——也许男生更多选了理科课程（评分较松），女生更多选了文科课程（评分较严），如果你按课程分别分析，方向可能反转（辛普森悖论）。正确回答："我需要知道各组的标准差来判断这 6 分的差异是否统计显著。另外，在我们下结论之前，我想按课程或专业分拆数据，排除潜在的混淆变量。如果能做 t 检验，我会报告 t 统计量、p 值、以及均值差的 95% 置信区间。"

回顾：Day 14 核心要点速查

明天进入 Day 15 之前，请确保你能轻松回答以下问题。它们是你构建量化思维的底层词汇。

概念	一句话
中位数 vs 均值	右偏分布用中位数，不要被极端值骗了
几何平均 vs 算术平均	复合增长（乘法过程）用几何平均，不要用算术平均算复利
标准差	平均到每个数据点离中心的典型距离
贝叶斯定理	Prior x Likelihood = Posterior；有证据之后更新信念
p 值	在 H₀ 为真的前提下，数据看起来有多极端；p 值不是 H₀ 为真的概率
95% 置信区间	如果重复实验很多次，95% 的区间会包含真值
第一类错误	错杀好人——拒绝了真的零假设（你控制了它的概率 = α）
多重比较	检验越多，假阳性越多；Bonferroni 或 BH 必须校正
肥尾	金融市场极端事件比正态分布预测的多得多
幸存者偏差	只看活着的，活着的看起来都特别强
辛普森悖论	每组都是 A 赢，合起来 B 赢——因为权重不同
回归到均值	极端表现下次会回来一些——运气不持续
赌徒谬误	独立事件没有"该回来了"——硬币没有记忆
伪相关	两个变量高度相关不等于有因果关系——先找第三个变量

Day 14 的所有概率、分布、检验——就是明天建模型的积木。在进入回归分析之前，问自己两个问题：我已经能用贝叶斯更新信念了吗？我已经能用 t 检验判断"差异是否显著"了吗？ 如果答案是 yes，明天的路就好走多了。如果还有模糊的地方，回到对应的小节，把数字代入手工算一遍——统计不是"看会的"，是"算会的"。

明日预告：Day 15 —— 建模与量化决策

今天你学会了怎么描述数据、怎么推断结论、怎么量化不确定性。明天我们将进入"建模"的世界——用数学函数把变量之间的关系写成方程式，然后用数据去"拟合"出最优参数。

Day 15 核心模块预览：

线性回归： 把相关系数升级为"因果关系引擎"——Y = β₀ + β₁X + ε，β₁ 的 t 检验（今天学的！）告诉你 X 是否显著影响 Y
多元回归： 同时控制多个变量，"在控制其他因素不变的前提下，X₁ 增加一单位，Y 变化多少"
Logistic 回归： 当 Y 是 0/1 二值变量时（如违约/不违约、购买/不购买），把概率建模
ANOVA： 比较三个或更多组的均值是否有差异——t 检验（今天学的！）的推广版
因素分析与聚类： 降维和分组——"这 50 个变量背后本质上是哪 3-4 个因子？"、"这几百个客户可以分几类？"
蒙特卡洛模拟： 面对复杂系统（比如一个投资项目有三种不确定性来源，互相影响），用随机抽样模拟 10000 种"可能的未来"，看分布

如果你今天还没完全掌握 p 值和 t 检验，明天在理解"回归系数是否显著"时会遇到困难——因为这些完全依赖今天的内容。花 15 分钟翻回第四节再看一遍，值得。

Day 14 · 概率统计与推断基础 · 2026-08-12

自检清单（明天上课前完成）： □ 我能手工算贝叶斯公式的三个例题吗？ □ 我能区分单侧和双侧 z 检验并说出临界值吗？ □ 我能解释为什么 p 值不是"H₀ 为真的概率"吗？ □ 我能至少说出两个伪相关例子吗？ □ 我能用"幸存者偏差"和"辛普森悖论"来分析一篇商业报告吗？如果五个都打勾，你已经准备好了。明天见。

📥 下载手册源文件 📋 实操任务 📂 回到阶段 5

📘 Day 14 · 概率统计与推断基础 ​

Day 14: 概率统计与推断基础 — 用数据做判断的底层数学 ​

第一节：描述性统计 —— "平均"这个词骗了你多少次 ​

1.1 均值、中位数、众数 —— 三个"平均"，三种故事 ​

算术平均数（Mean） ​

中位数（Median） ​

众数（Mode） ​

均值 vs 中位数：一个更极端的例子，帮你建立直觉 ​

标准差的实际单位解读 ​

1.2 方差、标准差与变异系数 ​

方差（Variance）的手工计算 ​

为什么分母是 n-1？（贝塞尔校正 Bessel's Correction） ​

变异系数（Coefficient of Variation, CV） ​

滚动标准差（Rolling Standard Deviation）——彭博终端怎么算"近期波动率" ​

1.3 偏度与峰度 —— 分布的形状，不只是均值和方差 ​

偏度（Skewness） ​

偏度数值的粗略判断 ​

偏度在商业中的实战意义 ​

峰度（Kurtosis） ​

1.4 相关系数 —— 两个变量"一起动"的程度 ​

Pearson r 的手工计算 ​

r 的解读标准 ​

r² —— "解释了多少比例的方差" ​

相关矩阵 —— 4 只股票的相关矩阵 ​

相关系数的三个重要局限 —— 面试中可能被追问 ​

第二节：概率论基础 —— 从"我觉得"到"概率是 X%" ​

2.1 概率公理与基本运算 ​

2.2 条件概率 —— "在已知 X 的情况下，Y 的概率是多少" ​

2.3 全概率公式 —— "分情况讨论，再加权求和" ​

2.4 贝叶斯定理 —— "更新信念"的数学引擎 ​

例 1：VC 投资 —— 看到了"连续创业者"这个信号 ​

例 2：医学检测 —— 为什么 99% 准确的检测也只意味着 9% 的得病概率 ​

例 3：信用风险 —— 低信用评分的借款人，违约概率是多少 ​

第三节：概率分布 —— 描述"随机性"的数学语言 ​

3.1 随机变量 —— 离散 vs 连续 ​

3.2 二项分布 —— "n 次独立试验，每次成功概率 p" ​

二项分布第二个实例——质量控制 ​

3.3 正态分布 —— 为什么它无处不在 ​

第二个完整案例 —— 反向思维：从概率反推 z 值 ​

3.4a Z 表实战速查 —— 最常用的几个 Z 值 ​

3.4 肥尾问题 —— 为什么金融数据不服从正态分布 ​

正态分布 vs t 分布的尾部比较 ​

检查正态性的方法 ​

肥尾对风险管理意味着什么？ ​

第四节：假设检验 —— 科学方法的统计实现 ​

4.1 假设检验的逻辑框架 ​

4.2 单样本 z 检验 —— 完整手工计算 ​

4.3 p 值 —— "数据有多极端" ​

关于 p 值的常见错误理解（面试必考点） ​

4.4 第一类错误与第二类错误 ​

一个将贝叶斯逻辑和假设检验结合的实例 ​

4.5 多重比较问题 —— "测试得越多，越容易撞上假阳性" ​

修正方法 ​

4.6 t 检验 —— 当你不认识真实的 σ ​

第五节：置信区间 —— "我们有多确定" ​

5.1 均值的置信区间 ​

5.2 比例的置信区间 ​

5.3 CI vs 假设检验的关系 ​

为什么 95% 而不是 90% 或 99%？ ​

第六节：相关性 vs 因果关系 —— 你不能在面试中搞错 ​

6.1 伪相关与遗漏变量 ​

遗漏变量偏误的 DAG 直觉 ​

一个面试中常见的"因果 vs 相关"辨析题 ​

6.2 因果推断方法概览 ​

随机对照试验（RCT —— Randomized Controlled Trial） ​

双重差分（Difference-in-Differences, DiD） ​

断点回归（Regression Discontinuity, RD） ​

工具变量（Instrumental Variable, IV） ​

第七节：经典统计陷阱 —— 面试中绝对不能犯的错 ​

7.1 幸存者偏差（Survivorship Bias） ​

数值演示 —— 为什么"好基金"的业绩会高估 ​

幸存者偏差的另一个经典商业案例 ​

7.2 选择性偏差（Selection Bias） ​

7.3 辛普森悖论（Simpson's Paradox） ​

辛普森悖论的第二个商业实例 —— 广告投放渠道比较 ​

7.4 回归到均值（Regression to the Mean） ​

7.5 赌徒谬误（Gambler's Fallacy） ​

均值回归 vs 赌徒谬误 —— 如何区分？ ​

面试题一览 ​

回顾：Day 14 核心要点速查 ​