17 十二 09 统计数字是不是拍脑袋出来的？87.53%
以下来自Solidot:
“87.53”这一数字近来走红网络：调查100个人，为什么会出现87.53%结果呢？这没什么奇怪，因为统计是编的，而编者可能数学没学好，他/她信守写了一个完全不合逻辑的数据，结果贻笑大方。如果真的是随机调查，那么：第一结果肯定应符合实际，第二它也会呈现出某种统计规律，比如本福特定律（0到9的使用概率呈从高到低分布，排在前面的使用频率最高，排在后面的使用频率越低）。今年6月举行的伊朗大选，美国的研究人员分析了各个选区候选人所得票数的个位数字，结果发现与本福特定律不符，于是断言大选舞弊的可能性超过九成五。
如果统计是编出来的（或者不是编出来的），结果也会呈现出规律，因为数字是有限的，比如统计常用xx.xx%的格式，共包含10000个数字，当样本量够大（超过10000）时，编出来的结果肯定会出现重复，这是抽屉原理所决定的。抽屉原理的简单表述是“若有n个笼子和n+1只鸽子，所有的鸽子都被关在鸽笼里，那么至少有一个笼子有至少2只鸽子”。87.53%并不神奇，鉴于gov.cn各网站已经积攒了足够多的统计数字，你可以搜索类似的数字（使用Google site:Gov.cn），比如17.53%（10,400个结果）、27.53%（55,700）、37.53%（7,030）、47.53%、57.53%、57.53%、67.53%、77.53%、87.53%（4,750）、97.53%；或者你也可以随手写一个如12.34%。如果有人足够闲，可以写个小程序，遍历全部xx.xx%在gov.cn的分布情况，看看是不是真的有特别被偏爱的数字，至少87.53%并不够神奇。
如果统计是编出来的（或者不是编出来的），结果也会呈现出规律，因为数字是有限的，比如统计常用xx.xx%的格式，共包含10000个数字，当样本量够大（超过10000）时，编出来的结果肯定会出现重复，这是抽屉原理所决定的。抽屉原理的简单表述是“若有n个笼子和n+1只鸽子，所有的鸽子都被关在鸽笼里，那么至少有一个笼子有至少2只鸽子”。87.53%并不神奇，鉴于gov.cn各网站已经积攒了足够多的统计数字，你可以搜索类似的数字（使用Google site:Gov.cn），比如17.53%（10,400个结果）、27.53%（55,700）、37.53%（7,030）、47.53%、57.53%、57.53%、67.53%、77.53%、87.53%（4,750）、97.53%；或者你也可以随手写一个如12.34%。如果有人足够闲，可以写个小程序，遍历全部xx.xx%在gov.cn的分布情况，看看是不是真的有特别被偏爱的数字，至少87.53%并不够神奇。
－－－－－－－－－－－－－－－以下为本人瞎写－－－－－－－－－－－－－－－－
我不够闲，但是本着严肃的八卦精神，还是写了个小程序把数据爬了一下。为了体现数据的严肃性，爬了xx.yy%（0.01%~99.99%）在以下几个网站中返回的结果个数。（使用site:xxx.com作为搜索参数进行限定）
sites=c(“all”,”gov.cn”,”stats.gov.cn”,”163.com”,”sohu.com”,”xinhuanet.com”,”wikipedia.org”)
“gov.cn”,”stats.gov.cn”,”163.com”,”sohu.com”,”xinhuanet.com”,”wikipedia.org”
作为对照，又爬了Google收录的所有网站中返回的结果数。获取的全部数据我放置在了 http://chemhack.com/data/googleNums/ （逗号分割文本格式）。
注：Google本身并不搜索百分号（％），不管你搜索5.04还是5.04%，获得的结果都是一样的。
写了个R脚本，画张图，给个整体印象。x轴就是统计数字（xx.yy%），y轴是他们出现的次数。
情理之中，意料之外，统计局（stats.gov.cn）的图形是最漂亮的。不过其中奥秘之处还有待高人分解。
Reader's Comments
Leave a Comment
8753的事情略有耳闻，不过估计是一个抄一个，法不责众，最后都不承担责任..
赞科学精神！
路过顶贴 顺便做个推广 希望管理员别介意 谢谢
很有意思，谢老大精神值得学习。
[...] 前一段时间网上盛传gov喜欢用87.53%这个统计数字，那么这个传闻到底是不是真的呢，于是有位寂寞人士用java编了个程序到google上统计从 0.00%到99.99% site:gov.cn所能搜索到的网页总数。而我昨天接触到R的一个叫做RCurl的包，支持http等多种传输方式，于是我就用这个包做了程序做了和 他同样的工作–不过完全在R中完成，从数据的采集到整理统计，一气呵成，可见R扩展性的强大： [...]