飞了八万多次没有致命事故，为什么仍不能证明它最安全？

协和客机飞了二十四年，零死亡事故。它被许多人视为世界上最安全的客机之一。

2000年7月25日，一架协和客机在巴黎坠毁。事故发生前，协和的历史记录是八万多次飞行、零次致命事故；事故发生后，记录立刻变成八万多次飞行中发生一次致命事故。飞机的真实风险不会在一夜之间突然改变，改变的是我们观察到的频率，以及我们据此作出的判断。

飞了八万多次没有致命事故，究竟证明它非常安全，还是仅仅说明样本还不足以稳定估计一种极低概率的风险？

那数据多了就好了吗？直觉上当然是这样。但"数据多了"和"数据对了"，是两回事。

1713年出版的《猜度术》中，瑞士数学家雅各布·伯努利证明了大数定律的早期形式。他回答的核心问题是：如果一枚硬币正面概率是固定的但未知的，你抛一次两次，结果完全靠运气；但如果你抛足够多次，正面出现的比例会越来越接近真实概率。不是恰好等于，而是越来越接近。

刘嘉在《概率论22讲》中打过一个比方：一勺糖放进一杯水，很甜；放进大海里，几乎尝不出味道。糖还在，只是水太多了，它的影响被削弱了。

同样，抛硬币假设前十次全是正面，后来又抛了一千次，其中正反面大致各占一半。即使最开始的十次极端结果仍然保留，它们对总比例的影响也会明显下降。早期的极端结果没有消失，只是它们在越来越大的总样本中所占的权重变小了。随着后续独立观察增加，整体结果也越来越不容易被少数偶然结果主导。

当然，这只有在后续观察仍来自同一个相对稳定的过程时才成立。过程一旦变了，新旧数据就未必还能放在一起。

注意，这不是说硬币会记住之前的结果，也不是说连续出了十次正面之后，下一次出反面的概率会变高。那是赌徒谬误，不是大数定律。

一个广为流传的蒙特卡罗赌场案例中，轮盘曾连续二十六次出现黑色。赌客们认定红色"该"来了，纷纷押红，最终损失惨重。

殊不知，轮盘没有记忆。每一次转动，红色和黑色出现的概率都不会因为前面连续开出黑色而改变。那些赌客犯了两个错：一是以为罕见发生后对立面会"补偿"回来；二是把罕见理解成了"不可能"。罕见不等于不可能，更不等于"对面一定来"。

大数定律描述的是大量重复中的长期趋势，不承诺任何单次结果。如果轮盘本身公平、规则没有变化，转动次数足够多时，红色和黑色各自出现的频率会逐渐接近各自的长期概率，但这不告诉你第一万零一次是红是黑。把长期趋势当成单次预测，就是赌徒谬误。

到这里，第一层已经讲清楚了：大数定律能让长期平均更稳定，却不能预测下一次结果。 但现实中的数据，还有三道更隐蔽的关卡：数量、独立性和共同偏差。

再来看一个场景。某产品上线第一天，来了十个访客，其中四个购买，转化率40%。团队兴奋了——40%的转化率，这模式跑通了。

但这40%只是十个样本的描述，不是长期转化率。即使这十名访客就是你的目标用户，十个样本仍然太少——长期真实转化率可能明显低于40%，也可能明显高于40%，十个样本还没有能力把这个范围压得足够窄。

如果这十名访客本身又都是核心粉丝或补贴用户，问题就不只是样本少，而是样本方向也偏了。

这是后面还要解决的另一层问题。但大数定律不会直接告诉你，十个、百个还是一万个样本就一定够。需要多少样本，取决于结果本身有多大波动、你能容忍多大误差，以及判断错了要付出多大代价。

数量够了，但记录之间真的独立吗？来看另一个场景。比如一篇文章被转发了一万次。一万次转发，看起来是个巨大的样本。但这些转发可能来自同一个大账号的一次推送，沿着同一条传播链扩散，触达的是高度相似的用户群体。表面数量是一万，真正独立的信息可能远少于一万。

一万次转发能够准确说明发生了一万次转发行为，却不能自动证明这些转发背后有一万份各自独立的判断。

保险行业也是同样的逻辑：保单再多，如果所有风险都会被同一场灾害同时触发，数量就无法带来真正的风险分散。

前两关都过了：样本数量足够，记录之间也相对独立。是不是就万事大吉了？仍然不是。只要问题问偏了，十万人也可能稳定地给出一个偏离真相的答案。

你有没有过这样的经历：看到一份"十万人参与"的调查就觉得很权威，后来发现问卷设计本身就有引导性——"您是否支持这项惠及民生的政策？"十万人填写后，答案可能非常稳定，但它稳定测到的，未必是人们对政策的真实态度，而可能是人们对这句引导性提问的反应。

大数定律能够削弱随机波动，却不能消除系统偏差。如果你的抽样本身有偏差，或者你的测量方式有问题，数据越多，你不是越来越接近真相，而是越来越稳定地待在偏差里。即使过去的数据没有偏差，规则变了以后，旧样本也可能不再适用。

说到这里，你可能会想：大数定律只是帮我检查数据有没有问题吗？不只是。它也是一种面对随机世界的行动策略：不要用一次成败给方法定性，要让它接受足够多次有效重复的检验。

第一，这些数据能不能放在一起？

产品改版前后的转化率，补贴期和自然增长期的数据，它们来自同一个过程吗？人群是否可比，指标口径是否相同，机制是否已经变化。不能确认来源一致，先别急着求平均。把不同机制产生的数据揉成一个平均数，数字可以很精确，含义却可能已经消失。能分层的先分层——新用户和老用户、补贴流量和自然流量、一线城市和下沉市场，不要一上来就粗暴求总平均。

第二，这些记录提供了多少新增信息？

表面样本数和有效样本量是两回事。一万次转发可能只来自一个传播链。先识别高度相关和重复来源，再判断你手里究竟有多少相对独立的信息。增加样本不等于把同一件事重复记录很多遍，而是增加新的、具有独立信息的观察。不是统计同一个用户的十次点击，而是观察更多独立用户的完整行为。

第三，当前样本允许你得出多强的结论？

三次投资盈利，可能是策略有效，也可能是市场整体上涨。十个样本里的40%转化率，真实水平可能更高，也可能更低。样本不够的时候，可以形成初步判断，但必须保留较大的不确定性。给结论设等级：

个案，只能说明这一次。

多次重复，才能形成线索。

线索持续稳定，才可能成为初步规律。

换了环境仍然成立，才有资格称为稳定估计。用线索的证据说出规律的结论，是最常见的错误。

第四，所有数据是否在共同犯同一种错？

抽样有没有偏差，问题有没有引导性，指标有没有选错。一份调查只在App内推送，触达的全是活跃用户，不活跃的根本没看到问卷——十万人填写，答案可能非常稳定，但稳定测到的是活跃用户的态度，不是全部用户的态度。

用整体的确定性对抗局部的随机性——单次结果充满偶然，但只要过程相对稳定、观察有效，长期水平才更有可能逐渐显现。大数定律给人的不只是耐心，也是一份警告：

它给人的也不只是一套检查数据的方法，更是一种行动策略：不要只追求下一次必中，要建设一个可以不断获得下一次机会的系统。当你无法控制一次结果时，就去设计一组可重复、可比较、可承受的行动。数据越多，只能减少偶然，不能自动纠正错误。但如果你把每一次行动都当成一个有效样本，而不是一次定生死的赌注，长期分布终会替你说话。