抽样定理和采样定理-抽样与采样定理

想象一下，你手里有一大叠信，想发给远方的哥们儿。
要是你只翻开信的一角，只扔进信箱，那封信大约率就烂在原地了，出于关键内容可能不在信封上。但要是你把信平铺在桌上，用一张网轻轻盖住，只露出最上面几行字，信就能准无误地到达对方手中。
这就是我们的抽样定理在变吃世界的底层逻辑，要么说，换了一种说法叫“采样定理”。它不是啥高深莫测的数学公式，道理实际上挺好办：抽样就像是用一张网捞水，捞上来的那几滴水，大约率能代表整桶水的味道。整桶水有味道，不代表非要捞满一桶才能知道；而整桶水没味道，捞满一桶反而浪费。 大量人认定采样定理是个挺难懂的理论，出于它被抛出来是为了证明“有代表性”这个概念，但在我看过来，它更像是一种生活哲学的隐喻。
那所谓“无限总体”和“有限总体”的区别，就是你想不想把整个生命体都塞进电脑里。
要是你确实想知道一个人的一生到底经历了啥，是不是得把他从出生那天起，每一分钟、每一个念头都录下来？这显然不现实，对吧？便我们就得抽样，比如只录他讲话的声音、他的快乐表情、他遇刺死前的状态，把这些片段拼起来，就能大致还原他的生命故事。
要是非要穷尽所有细节，那数据量就大到宇宙都装不下，更别提处理和分析了。
故此，抽样不是偷懒，而是为了让数据结构化变得可能，是为了让那些曾经鲜活、多元、不可复制的真，能在被记录、被分析、被取出来的过程中，保持住那一点点核心光辉。就像我们拍照片，别看每一张照片的像素不一样，但组合在一起，就构成了这幅整个的画作。 采样定理里还有一个时常被误解的点，就是“误差”和“估摸值”。我们常说“抽样误差”，听起来挺吓人，仿佛每次抽样结局都差之千里，不可靠。
实际上不然，错在哪儿？错就在那个“误差”本身。一旦我们选定了样本，那么误差就是确定的，它就是那个样本与真总体之间的差距，是客观存有的。我们能不能把这个差距管住在挺窄的范围内，那是统计学的本事；但能不能接纳这个误差，那是认知的本事。
要是出于我们总想要个绝对精确的真相，非要穷尽所有，害得连那些有代表性的信息都漏掉了，那结局反而不如糟糕的抽样分析来得真。 举个例子，咱们看一下那篇《美国社会民主党人在 1836 年主要州的人口》的报告。
当时作者用了一种看似严谨的方式，把每个州的总人口加起来，算出一个加权数值——81,157,625，这就是所谓的“总体人口”。但这确实是美国的人口吗？不是啊。出于那些州里有些人口数量极少，比如佐治亚州只有 18,739 人，加上去不仅数字会膨胀，还会把那些真正关键的、有代表性的地方给挤掉。
要是作者真如此干，得出的结论挺可能就是“美国人口在增长”，这自然对；但要是作者把那些少数州算进去了，并把他们的数据拉高，得出的结论可能就是“美国人口在萎缩”，这就彻底离谱了。
你看，抽样定理在这里的体现就是：数据本身是有偏的，只要结构没变，任何数值都是可比的。 再想想实际生活中的应用，采样定理简直无处不在。你买彩票，别看那 750 万张票里有那个中奖号码，但一般/平平人根本翻遍所有彩票本。我们花几百块，专门抽几分之一张，中出的概率就在那儿，哪位也没办法做到全翻遍。
同样，医生看病，不可能每个病人都要检查几十项指标。我们采血，只取几毫升，凭啥能代表一个人的身体状况？出于血液流遍全身，那些实验室能检测到的指标，就是那个“样本”能代表整体的依据。医生判断病情，就是在利用这个样本去推断那个庞大的身体。
要是非要把病人全治好，那这病也就治不好，出于还没检查完，病人就死了。 还有啊，我们在新闻里看到那么多“样本调查”，实际上就是为了避免出于样本偏差带来的灾难性结论。
比方说，要是你只在一个大城市的样本里调查一个城市的贫艰难题，得出的结论挺可能就是“城市里的人都穷”，这显然是一句废话。但要是你在农村样本里做同样的调查，结论可能就是“农村人都不穷”，这也不对。抽样定理告诉我们，我要想拿到一个真的结论，就得保证我的样本结构，跟我要覆盖的那个整体结构是一样的。
要是结构不一样，哪怕我抽得再多，数据也是骗人的。 故此，所谓的“采样定理”，归根结底就是关于“代表性”和“可理解性”的一场对话。它不像教科书里那么枯燥枯燥，它就是告诉我们要小心地看待那些碎片。我们为了效率而抽样，是为了让数据变得可处理；我们为了求真而抽样，是为了不让结论跑偏。
只要样本结构跟总体结构匹配，哪怕是个小小的样本，也能掷出那个惊人的结局。
这大约就是采样定理最迷人的地方吧，它把那些抽象的统计概念，变成了我们日常工作中那种“大约吧，可是大约率是对的”这种带着温度的判断。