第一课·分布论入门：从「3 分钟平均」的怀疑到看见分布

开篇：那杯奶茶店的事，还没回答完

摸底那天，老夫给馆主出了一道题——

一家奶茶店说「顾客平均等待时间 3 分钟」。这话里藏了哪两个没说的事，让你立刻觉得不可信？

馆主当时给了很礼貌的反馈：「没思路。」

没有关系。摸底本身就是为了找到「无思路」的位置——这一定是你站在分布论门口、还没推门的那个瞬间。这一课，就是给那个瞬间架一座桥。

馆主在摸底 6 题里，描述统计三种集中趋势分得清、标准差定义准确、概率直觉对（"500 次抛硬币接近必然"）——但「变异思维」是空白。这是 Mission 里"用数学方法论进行统计实践"的第一道门槛。

第一阶：平均值本身在撒谎

不要急着去答那题「藏了什么」。先解决一件更基本的事——

统计学家有句话，**平均值是最不诚实的统计量**。它的「不诚实」不是因为它算错了，而是因为它**省略太多事**。

举个生活场景。馆主每天上班路上要买一杯咖啡，过去 7 天观测到等待时间（按分钟）：

10, 2, 2, 2, 2, 2, 2

算一下平均数：是 (10+2+2+2+2+2+2)/7 = 22/7 ≈ 3.14 分钟。这个数差不多 3 分钟。

但如果有一位顾客下周二晚高峰时路过那家店，被卡了 10 分钟，他发了条朋友圈：「等了 10 分钟，以后不去这家店了！」——店家辩解：「我们平均等待时间只有 3 分钟啊。」

数据没错。**但故事丢掉了一半。**

那「丢掉的另一半」是什么？馆主现在能不能凭直觉说出来？

🔍 第一个被平均数丢掉的事，是：

具体哪个顾客被卡了 10 分钟——个案标签丢了
7 天样本量太小，统计不可靠
等待时间差异极大（6 天 2 分、1 天 10 分）——变异性丢了
平均值算错，应该约 3.14 分钟

对——**变异性**（也叫做「数据的散开程度」）。馆主摸底时**标准差**答得很准（"数据离散程度、越大越散"），但当时这个概念是**孤立的**。现在我们把它的来头摸出来。

第二阶：从一个数到一个形状

上一阶我们看到，平均值告诉你「中心」但掩埋了「散开」。那么问题来了——怎么把「散开的样子」也看见？

答案：画出来。不是数字，是图。

把过去 7 天等待时间**全部标在横轴上**（横轴 = 等待时间，纵轴 = 出现次数）：

  次数
    6 │            █
    5 │            █
    4 │            █
    3 │            █
    2 │            █
    1 │  █         █
      └──┼─────────┼──→ 时间(分钟)
         2         10

这是一张最简单的分布（distribution）。它的形状是——一座孤峰在右边，左边挤了一片尖刺。**整张图没有真正意义上的"中间"，只有"那座孤峰"和"那条尾巴"。

"分布" 不是数学概念。分布是一张图——告诉你每个值出现了几次，所有次数堆在一起长成什么形状。

摸底时馆主问：「为什么 500 次抛硬币是中心？」馆主的答案对，但直觉层用了「理论值 / 偏移」这种语言。现在我们升级一档——把 500 次抛硬币想成一张分布图，那张图会"鼓一个峰在 500 那里，左右小幅度散开"。后面第二课我们会亲手画这张图。

第三阶：为什么"看见分布"这么重要？

你可能会问：3 分钟平均数差 0.14 分钟又怎样？急着画图是不是杀鸡用牛刀？

这个反问好。我反回馆主三个**真实工作场景**——回答完这三个，馆主就明白"看见分布"为什么不是花拳绣腿。

🔍 老板说："上月营收下降 5%"。如果只看 5% 这个平均数（其实是比值，但语法一样），你会立刻怀疑——

老板算错了，下降 5% 是不可能的
5% 其实不小，应该报警
应该看同比、环比、客单价，三个一起对比
不用分析，反正 5% 不会是问题

🔍 一家公司宣称"客诉率低于行业均值"。但他们的统计方法是把每位顾客的投诉算 1 次，多位顾客投诉同一事件只算 1 次。问题出在哪？

客诉分布形状被压扁了——重复投诉的「严重性」被丢掉了
客诉率算错了，应该按订单总数算分母
应该用众数不能用平均
客诉率这种指标本来就不可信

工作场景我们解答完两题就够——馆主这一课的关键不是刷题，而是把"分布"这个词装进口袋。让我用一张图收尾这一阶：

假设你管理一个 7 天周期，每天回看「昨日营收」：

如果营收的分布是「紧贴平均数的小鼓包」——业务稳定，异常天少
如果营收的分布是「左尾拉得特别长」——少数天拖了后腿，找原因
如果营收的分布是「双峰」（两个鼓包）——客户群可能分裂成两群，看分布找分裂原因

分布不是"长什么样" 的艺术问题。分布是决策的形状。

第四阶：用 R 亲手画第一张分布

理论到此打住——**现在动手**。馆主用 R，我们这就开始。

本课练习 · R 环境 5 分钟

目标：亲眼把一组数据画成柱状图和直方图

用馆主本地 R（Mac R Studio 或 Posit Cloud 都行）。把下面 7 个数（上周咖啡等待时间）喂给 R：

# 在 R 控制台或 RStudio 输入：
wait_times <- c(10, 2, 2, 2, 2, 2, 2)
mean(wait_times)   # 查看平均数 — 应该是 3.14 附近

# 第一张图：柱状图（不预先分桶）
barplot(wait_times,
        xlab = "第 N 天", ylab = "等待时间（分钟）",
        main = "上周每天等待时间")

# 第二张图：直方图（自动分桶）
hist(wait_times,
     xlab = "等待时间（分钟）",
     main = "等待时间的分布")

回 R 控制台，看图：

barplot 给的是「每天一根柱子」——能看到 10 分钟那根"孤立"。
hist 给的是「按等待时间分桶」——能看到 2 分钟那桶极长，10 分钟那桶孤峰。

这两张图就是「分布」的两种看见方式。

延伸练习（可选）：100 个数据点的分布

如果你想看一张更典型的分布图——

set.seed(2026)
random_waits <- rnorm(100, mean = 3, sd = 0.5)   # 100 个假顾客，平均 3 分
hist(random_waits, breaks = 20,
     xlab = "等待时间（分钟）",
     main = "100 个假顾客的等待时间分布")

这一次图长得像一个钟形——这就是 Mission 里说的"正态分布"。**别急，第二课我们专门讲它。**这里先看个图像。

馆主日后还想用 R 跑这张分布图，可以走 Posit Cloud（https://posit.cloud/）——不需要装任何东西。Calibre 库里的《R 语言实战第2版》（id 509）第十一章也专门讲这。

第五阶：回到奶茶店，再答一遍那题

现在你学了「分布是什么」。带着这张图，重新回答摸底那道题——

一家奶茶店说「顾客平均等待时间 3 分钟」。这话里藏了哪两个没说的事？

我猜你现在能说出一件事了——变异性丢了。3 分钟平均数外面那座分布，**有可能是右尾拉得极长的孤峰、有可能是中间紧实的钟形、也可能是双峰**。三种分布下「平均 3 分钟」对顾客的意味完全不同。

第二件事——留给你下一课前自己回答。提示：上次模拟的 7 天数据里，**「3 分钟」这个平均数有几个这样的顾客体验**？

🔍 第二个被平均数丢掉的事，是：

计算平均时的舍入误差
样本量与代表性——过去 7 天观测能代表「所有顾客」的等待体验吗？
具体哪家奶茶店
顾客的口味偏好

收尾：本课的三件事

回到 Mission——馆主想成为「看见数据能立刻看到分布」的人。这一课我们打了三根钉子：

平均值会撒谎——不是算错，是漏掉变异性（数据散开程度）和样本代表性
分布是一张图——不是公式，是「每个值出现次数的形状」
看见分布比会算平均更重要——因为它直接决定你能看见什么样的故事

"看见分布"不是技能，是习惯。从这一课起，馆主看任何报表、任何数据、任何"平均数"，脑子里都该飘过这张图——「它有没有右尾？有没有双峰？有没有孤峰？」

下一课预告

第二课我们将回答一个更具体的问题——

大数定律是什么？为什么抛 1000 次硬币出 500 次正面的概率最大，但不是"必然"？

这一课我们不用公式——用 R 真抛 1000 次，画出每次正面数目的分布，看它为什么"鼓在 500 那里"。

教科书准备：馆主 Calibre 库里 442《深入浅出统计学》第 5 章「随机变量和分布」。

如有疑问，随时问祭酒——老夫在国子监等你。