概念进阶概率与分布归纳与认识论
统计循环问题
也叫：统计的循环论证
你对分布的假设会影响统计推断，形成循环论证。
核心讲解
作者指出“统计循环问题”：在统计分析中，你对某个现象“属于什么分布”的假设，会反过来影响你从这个数据得出的推断。比如，你假设数据服从高斯分布，就会用高斯的方法去计算概率和风险，得出的结论自然符合高斯假设——即使数据其实是肥尾。这就形成了循环：结论受制于事先的假设。作者借此提醒，统计结论并非“客观中立”，它很大程度上取决于你预设的分布模型；在极端斯坦下，错误的分布假设会循环地放大误判。
费曼版：用大白话再讲一遍
你心里先认定“这事是普通、匀称的”，然后就用那套算法去算，算出来的结果当然也说“这事很普通”。这就成了“自己证明自己”。你以为统计是客观的，其实它早就在你选模型时，悄悄替你定好了结论。
要点
- 分布假设会反向影响统计推断。
- 用高斯假设会得出高斯式结论。
- 结论受制于预设模型。
- 统计并非完全客观中立。
常见误区
- 以为统计结论完全客观。
- 忽视分布假设对结果的影响。
- 在极端斯坦沿用高斯假设而不自知。
多方视角
作者的看法
统计结论受制于分布假设，存在循环。
不同的看法
- 有观点认为，通过数据检验可部分打破循环。
- 统计哲学承认，模型选择影响推断是基本事实。
支持作者的理由
- 不同分布假设对同一数据可得出迥异的风险结论。
留给你的问题
你相信的某个“统计结论”，是否只是预设模型的自我印证？