金版计划｜温伯格《系统化思维导论》领读·第 04 篇
向谦备忘录，启发小进步，我是徐向谦。
一间屋子里坐着十个人，人均月收入一万。
你听到这个数，脑子里浮现的是十个月入一万的人。可实际情况也可能是：九个人月入三千，第十个人月入七万三。这十个人里，一个月入一万的都没有。
平均数没算错，一分不差。它只是从来没打算描述这里面的任何一个人。
这种对不上的感觉，你天天在遇到。人均可支配收入一公布，评论区一片“我又被平均了”。平均通勤四十分钟，可你每天在路上耗一个半小时。体检报告上那一项在参考区间里，你却明明觉得不对劲。
我们对平均数有一个默认的用法：把它当成“一个典型的人”。听到人均一万，就想象出一个月入一万的人。这个用法从来没有人授权过。（这句是我的说法，不是温伯格的原话。）
那么问题来了。平均数到底在算谁？它什么时候可信？更要紧的是——它可信的时候，是对谁可信？
温伯格的回答是两个开关：数量够大，分布够随机。缺一个，这套方法就翻车。而这两个开关，都不是为你一个人拧的。
坐标在原书第 1 章：第 5 节「统计力学与大数定律」，收尾接第 6 节开头。
往下走之前，先请你留意一件反常的事：一百万人的账，比三十个人的账好算得多。
按常理，人越多越难算才对。事实却反过来。一个方法在数量变大的时候反而变准，那它一定是拿什么东西换来的。这一篇就是去看它拿什么换的。
一、第二把斧子不是算得更狠，是把问题换掉了
温伯格先摆了一笔账。
牛顿描述过一个由大约 10 的 5 次方个物体组成的系统，再从里面挑出他感兴趣的 10 个。到了 19 世纪，物理学家想研究另一种东西：一瓶空气里的分子。
一瓶空气跟太阳系有三点不一样。第一，分子的数量不是 10 的 5 次方，是 10 的 23 次方。第二，物理学家不是只对其中 10 个分子感兴趣，是想了解所有分子。第三，就算他们只想了解其中 10 个，也得先弄清全部 10 的 23 次方个。因为分子的质量几乎一模一样，相互作用又密切。
牛顿那套减法，在这儿还剩多少用？
温伯格算了一笔。只关心两两之间的作用，“也不过是把方程数量从 2 的 10 的 23 次方减少到 10 的 46 次方”。
你把这两个数摆在一起看。削掉的部分大得惊人，剩下的部分也大得惊人。这就叫算不动。温伯格的评语是：这种简化的效果无疑很显著，但继续简化似乎希望不大。
接下来这一段，是我读第 1 章时最喜欢的一段。温伯格写道：
经过一些无谓的尝试，这些物理学家肯定感觉自己就像伊索寓言中的狐狸，总也够不着葡萄。我们知道事实一定是这样的，因为他们解决问题的方式和狐狸一样：决定无论如何都不想了解单个分子。
够不着，就宣布不想要。
这句话刻薄，但温伯格随即把话收了回来，收得很厚道。他说，更实际的描述是：这些物理学家很幸运，没有对单个分子产生兴趣——因为他们解不了那些方程组。
于是吉布斯、玻尔兹曼、麦克斯韦这些人，做了一件跟牛顿完全不同的事。
牛顿是减少物体。太阳系里成千上万个天体，他扔掉大部分，只留下算得动的那几个（这四步减法在第 03 篇讲过）。问题还是原来那个问题：这颗行星在哪儿。
这批物理学家是换掉问题。他们不再问某个分子在哪儿、速度多少，改去问这瓶气体的压力、温度、体积是多少。温伯格的说法是：他们假定这些有趣的观测特性，是分子的一些平均特性，而不是其中某个分子的特性。
要计算的量一下子变得很少，计算量应声而降。更要命的是精度——因为分子数量特别大，预测精度高得离谱。这就是大数定律：
观测样本的数量越多，观测值越接近于预测的平均值。
#2 大数定律：“观测样本的数量越多，观测值越接近于预测的平均值。”（第 1 章）
现在回头看那件反常的事。一百万人的账为什么比三十个人的账好算？因为算的根本不是同一笔账。三十个人那笔账，你想知道的是每个人在干什么。一百万人那笔账，你早就放弃了每个人，只想知道总量。
问题被掉了包，而且是主动掉的包。
这个动作你也天天在做，只是没意识到。“这一批用户为什么走”是一个中数系统的问题，很难；“整体留存率是多少”是一个大数系统的问题，好算得多。多数人以为自己换了个更聪明的算法，其实是换了一道更好答的题。
换题不丢人，物理学家靠它拿下了半壁江山。但你得知道自己换了。
二、精度是明码标价的：多一百倍样本，只降十倍误差
第二个开关是数量。这个开关不是“开”和“关”两档，它有刻度，而且刻度很不讲情面。
温伯格请出了物理学家薛定谔，用的是《生命是什么》里的一段。这段话的价钱，全在最后两句：
也就是说，如果 n = 100，偏离约为 10，相对误差为 10%。如果 n = 1 000 000，偏离约为 1000，相对误差为 0.1%。……最紧要的是平方根。尽管 1 000 000 是比较合理的大数，但相对误差为 1/1000，如此一来称其为“自然定律”就不是太好了。
这就是 N 的平方根定律。翻成一句人话：样本多一百倍，误差只小十倍。
#3 N 的平方根定律：“相对误差的数量级为 1/√n，其中 n 为共同体现出这些定律的分子数。”（第 1 章，温伯格转引薛定谔）
请你把薛定谔最后那句咂摸一下。一百万个样本，他嫌不够格叫自然定律。
一百万，在你我这儿已经是天文数字。多少调研拿三百份问卷就敢下结论，多少复盘拿五个用户访谈就敢说“用户普遍反映”。照薛定谔的刻度，三百份问卷的相对误差在百分之六上下，五个访谈在百分之四十五上下。百分之四十五的误差，你拿它排优先级、定方向、劝自己下决心。
这条定律还有一个更贵的用法，是反过来读的。
你手上有一份不太稳的数据，你想让它稳一点。加样本是最直觉的办法。可平方根告诉你：要把误差压到原来的十分之一，样本得涨一百倍。成本涨一百倍，收益是一位小数。
所以下次有人说“再多收点数据就清楚了”，这句话是有价钱的。你可以当场把价钱问出来：清楚到什么程度，要多收多少？
三、隐藏的那个开关：随机性，而它的定义是循环的
数量这个开关摆在明处，谁都看得见。第二个开关藏得很深，深到温伯格得先承认一件难堪的事。
他给随机性下的定义是这样的：
从直觉上看，随机性是让统计计算结果正确的系统特性。尽管这显然是一种循环定义方法，但它能够帮助我们理解统计学方法的适用范围。
你看清楚这个圈了吗。什么叫随机？让统计管用的那个性质，就叫随机。什么时候统计管用？随机的时候。
温伯格自己点破了这是循环定义，还是把它留在了书里。我认为这是全章最诚实的一句，它交代了一件很不舒服的事实：随机性这张门票，你没法事先独立检验。 你不能在动手之前先验一验“我这批数据够不够随机”，你只能在平均数失灵之后，回头才发现门票压根没拿到。
他举的例子是流感。
如果每个人被传染的机会均等，发病数量可以预测得相当精确，疫苗怎么分也算得出来。可一旦人群里出现某种非随机性，简单计算就会开始偏。
非随机性从哪儿来？温伯格给的例子朴素得让人服气：“乡村中人们的住所分布不是随机的，所以每个人接触传染源的机会不一样。”
住得近的先被传上。就这么一件小事，整套计算就开始歪。
他接着说清了一件更要紧的事。人少的时候，你可以老老实实把每个人的交往情况摸清楚，精确算出传染路径。人多了，你摸不过来，只好改算平均值——而这些平均值，是由人群结构决定的。所以他下了这句结论：
因此，正是结构的类型让我们选择一种方法，并放弃另一种方法。
不是数量决定你用哪把斧子，是结构决定的。
顺着这个思路，温伯格给这个分疫苗的问题画了一张图（原书图 1-8）。横坐标是人口数量，纵坐标是个体差异。
这张图你可能眼熟。把两个标签一换，它就是这本书的那张三分区总图（在第 01 篇）。“人口数”换成“复杂程度”，“个体差异”换成“随机性”，就这么简单。温伯格自己说得很干脆，后面那张“只是图 1-8 换了标签而已”。
所以全书的地图，是从一个怎么分疫苗的具体问题里长出来的。
分疫苗、算传播，这件事我们这一代人是真的经历过。
疫情期间我在大城市，每天做核酸。进商场、坐地铁、进写字楼，去哪儿都要看绿码，一处不落。
后来我回了一趟镇上。同一件事，那边没有到哪儿都要绿码的要求。
我当时只当是两地宽严不同，没多想。直到读到温伯格这一段，才明白自己看漏了什么。
大城市里，你一天要跟多少陌生人擦身而过？地铁、写字楼、商场，碰上谁全凭运气。人多，接触又接近随机——这就是一个标准的大数系统。对付它只有统计那把斧子：不问你今天见了谁，只按整体算，所以规则也只能是对所有人同一套。
镇上不是。谁跟谁沾亲，谁常上谁家串门，哪几户挨着住，本地人心里有一本账。这正是温伯格那半句——住所分布不是随机的。结构摆在明面上，真出了事可以顺着关系摸，用不着对每个人同一套。
不是哪边更当回事，是两边根本不是同一类系统。同一把斧子，砍不了两块料。
现在可以回答开头那个问题了：平均数可信的时候，是对谁可信？
保险公司为什么能靠大数定律吃几百年的饭？不只是因为它有一百万个投保人。更要紧的是那一百万个投保人互不相识、彼此不影响——一个人出险，不会让隔壁那个也出险。两个开关它都拧到位了，所以它算得准。
它算准的是那一百万人加起来的总账。这笔总账保护的是收保费的那一方，让它敢定价、敢承诺、敢开门做生意。你个人在这笔账里，是一个可以被别人替换掉的位置。
温伯格把这件事写在了第 6 节的开头，一句话，不留情面：
管理技术得益于统计力学的成果，将人群仅仅看成无结构的群体之中可互换的单元，通过取平均值来简化。（第 1 章第 6 节）
可互换的单元——这五个字，是这一篇我最想请你带走的东西。
回到最开始那间屋子。九个月入三千的人和一个月入七万三的人，被算成人均一万的那一刻，他们就被当成了十个可互换的单元。平均数没有算错，它只是先把这十个人换成了十个一样的人，再开始算。
金版批注
平方律那笔账（在第 03 篇），这五十年被人用钱买断了。机器越来越快，越来越便宜，“不先简化就走不下去”这条推论，被算力买断了。
平方根这笔账，买不断。
薛定谔的刻度是死的：多一百倍样本，只小十倍误差。它不随硬件变便宜而松动，因为它不是工程问题，是这套方法自己的结构。你可以花钱买到更多的数据，你买不到相应比例的确定性。
这解释了一件很多人纳闷的事：为什么“再喂一批数据”的收益越来越不明显。前面那一段涨得又快又爽，因为样本从几百涨到几万，误差是从百分之几掉到千分之几。后面那一段几乎不动，因为样本已经很大，再翻一百倍才换来一位小数。很多领域都已经走到了曲线开始变平的那一段。
分寸要说清楚。这不是说数据没用，也不是说温伯格判断错了。他和薛定谔都没说过“数据够多就万事大吉”——恰恰相反，薛定谔连一百万都嫌小。
这一条算“他没赶上的”。他那个年代，样本贵到你根本走不到曲线变平的地方；今天走到了，才第一次有人集体撞上这堵墙。定律没变，变的是我们终于有钱撞它了。
这一篇，你带走什么
黑板报
- 统计这把斧子不是算得更狠，是把问题换掉了——不问某个分子在哪儿，只问这瓶气体多少度。换题不丢人，但你得知道自己换了。
- 精度是明码标价的：样本多一百倍，误差只小十倍。薛定谔连一百万个样本都嫌不够格叫“自然定律”。
- 隐藏的那个开关是随机性，而它的定义是循环的——你没法事先检验，只能在平均数失灵之后才发现门票没拿到。真正决定你用哪把斧子的，是结构，不是数量。
本篇金句
“管理技术得益于统计力学的成果，将人群仅仅看成无结构的群体之中可互换的单元，通过取平均值来简化。”（温伯格）
思考题
回想你最近一次拿“平均值”或“大概率”给自己做的决定：行业平均、参考区间、成功率、存活率，哪个都行。
拿两个开关一个一个去对——
第一个，那个数是拿多少个样本算出来的？照平方根的刻度，它的误差大概多少？
第二个，被算进去的那些人，彼此之间有没有关系？他们互相看得见吗？一个人的结果会不会改变另一个人的结果？
两个开关只要有一个没拧到位，那个数就不该替你做决定。写在留言区。
平均数不是错的，它只是从来没答应过要描述你。下次再碰到一个跟体感对不上的“人均”，别急着怀疑自己的感受——那个数在说一笔总账，你在说自己的日子。
下一篇
小数系统靠精确计算，大数系统靠统计平均。两把斧子各管一头，都很硬。
那卡在中间、两头不靠的呢？你的部门、你的项目、你的家——它算不动，也平均不得。温伯格给这个地带写了一条中数定律，而这条定律有一个民间版本，你天天在念叨它。第 05 篇讲这一条：墨菲定律为什么是真的。
向谦备忘录，愿你每篇都有收获，我们下篇见。
致谢与出处
本篇引用与化用的说法，出处一并列在这里，供你核实：
- 牛顿描述约 10 的 5 次方个物体、一瓶空气里 10 的 23 次方个分子、“把方程数量从 2 的 10 的 23 次方减少到 10 的 46 次方”、伊索寓言的狐狸与“决定无论如何都不想了解单个分子”、吉布斯与玻尔兹曼与麦克斯韦改算平均特性、大数定律“观测样本的数量越多……”：《系统化思维导论》，杰拉尔德·温伯格著，王海鹏译，人民邮电出版社（25 周年纪念版），第 1 章第 5 节「统计力学与大数定律」。
- 薛定谔那段（含 n = 100 与 n = 1 000 000 的两组数、“最紧要的是平方根”、“如此一来称其为‘自然定律’就不是太好了”）：温伯格转引自埃尔温·薛定谔《生命是什么》（What is Life?, Cambridge University Press, 1945），见同节。
- “从直觉上看，随机性是让统计计算结果正确的系统特性。尽管这显然是一种循环定义方法”、流感传播与“乡村中人们的住所分布不是随机的”、“正是结构的类型让我们选择一种方法，并放弃另一种方法”、图 1-8 的两根坐标轴：同节。
- “管理技术得益于统计力学的成果，将人群仅仅看成无结构的群体之中可互换的单元，通过取平均值来简化”：同章第 6 节「中数定律」，属跨节引用，故在正文中标出节号。
- 我手上那个电子版丢失了上标与根号（10 的 23 次方印成平的，√n 整个不见），本篇按上下文与英文原版还原，这是电子版的问题，不是原书的问题。
- “平均数没打算描述这里面的任何一个人”、“换题不丢人，但你得知道自己换了”：我的提法，不是温伯格的原话。
- 三百份问卷与五个访谈的误差，是我按 1/√n 直接算的量级，只作数量级参照，不是原书数据。
#系统思维 #温伯格 #大数定律 #向谦备忘录 #金版计划