有什么听起来很离谱，但确确实实是真的统计数据？

　　Ladies and Gentlemen！

　　老爷们还有姐妹们！

　　欢迎来到本届

　　都知道世界之大，无奇不有

　　而接下来要出场的

　　个个都是奇上加奇、怪上加怪

　　让你看了直呼卧槽的真实数据！

　　如果你上学时，班上一共23个人

　　那你们当中至少有50%的概率

　　出现一对生日在同一天的同学

　　而如果人数增加到50人

　　概率就暴涨到97%以上！

　　首先这是一个经典的数学问题

　　叫做“生日悖论”

　　其次，其实大家的生日

　　并不是随机均匀分布的

　　一项在中国大陆的调查显示

　　传统上冬季（10-12月）是出生高峰

　　夏秋季（3-9月）是出生低谷

　　这种情况在农村、头胎、

　　计划生育政策推行前

　　尤其明显

　　中国出生人口按时期

　　和胎次划分的平均月度偏差

　　来源：参考资料[1]

　　原因很简单：

　　传统上的夫妻（尤其是新婚夫妻）

　　倾向于在春节前后受孕

　　这就是一种典型的“假期效应”

　　有论文专门考虑了

　　这种出生日期的不均匀

　　对生日悖论的影响

　　结论是，这会使出现共享生日的人

　　概率更高！

　　下一个上场的也跟生日有关

　　不过不那么让人愉快了——

　　据多个国家的统计

　　人们似乎更容易

　　在自己的生日当天去世

　　美国的一项调查显示

　　生日当天的平均超额死亡率为6.7%

　　来源：参考资料[3]

　　在瑞士，这个数字是13.8%

　　来源：参考资料[4]

　　在日本，生日当天额外的死亡

　　也很明显

　　来源：参考资料[5]

　　至于为什么会这样，学者们猜测

　　可能是因为一方面在生日当天

　　人们会偏离其日常活动，从而带来危险

　　（比如飙车、狂欢聚会、大量饮酒等）

　　另一方面是这个特殊的日子

　　会带来心理上的变化

　　进而影响生理水平

　　甚至直接提高自杀率

　　接下来登场的

　　是一个你随手就能验证的数据：

　　如果在你刷抖音的时候

　　记下每个视频点赞数的最高位数字：

　　等你刷了几百个，你就能发现

　　在此处出现1,2,3,4,5,6,7,8,9的概率

　　其实并不是相等的1/9

　　实际上越小的数字越常出现

　　具体比例接近：

　　这个规律其实到处都是：

　　银行卡余额的最高位、

　　超市商品定价的最高位

　　甚至是——

　　点击查看大图 来源：参考资料[6]

　　这被叫做“本福特定律”，适用于各种

　　的数据集。

　　本福特定律的数学原理比较复杂

　　讲了大家也看不懂

　　总之各位可以知道

　　这个定律现在被广泛用来做审计工作

　　帮助判断一个数据集到底是真实的

　　还是人为编造的

　　下一个上场的数据

　　荣获“最佳反转奖”！

　　上世纪70年代

　　英国一项研究统计了不同年龄段的

　　1314名女性是否抽烟

　　然后在20年后回访调查死亡率

　　总的结果是这样的：

　　来源：参考资料[8]

　　数据结果确实有违常理了

　　而按年龄分成不同小组之后

　　结论居然完全反了过来：

　　点击查看大图 来源：参考资料[8]

　　除了一个小组以外

　　所有年龄小组中抽烟组的死亡率

　　都大于等于不抽烟组

　　其实这反映了统计学上的

　　一个常见悖论：辛普森悖论

　　出现这个悖论

　　常常是由于不同小组的人数

　　分配非常不均匀

　　加没有排除其他干扰变量导致的

　　最后一个奖项

　　颁给下面这个最有成长力的数据！

　　中国大陆的海岸线总长度

　　官方数据是18400公里

　　不过随着测量尺度不同

　　测出的数字相差非常非常大

　　可以达到好几倍：

　　理论上一把无限短的尺子

　　量出来的海岸线长度将是无限长的

　　因为海岸线几乎是无限地曲折复杂

　　随着测量尺度的缩小

　　原本被忽略了的弯弯绕绕也显示了出来

　　使得测出的长度不会接近某个固定值

　　而是无限上涨

　　要是我买的股票也能这么涨就好了

　　总之

　　让我们恭喜各位获奖数据！

　　没选上的数据们也不要灰心！

　　本届颁奖典礼新增了“观众之选”环节

　　欢迎大家在评论区尽情提名

　　自己觉得离谱妈妈给离谱开门——

　　离谱到家了的数据！

　　参考资料：

　　[1]Zhang, C., Wang, D. & Zhang, X. Which month to give a birth? The analysis on birth seasonality of China.China popul. dev. stud.7, 220–238 (2023). https://doi.org/10.1007/s42379-023-00140-5

　　[2]Fadnavis, S. (2011). A generalization of the Birthday problem and the chromatic polynomial.arXiv: Combinatorics.

　　[3]Peña PA. A not so happy day after all: excess death rates on birthdays in the U.S. Soc Sci Med. 2015 Feb;126:59-66. doi: 10.1016/j.socscimed.2014.12.014. Epub 2014 Dec 10. PMID: 25528555.

　　[4]Ajdacic-Gross V, Knöpfli D, Landolt K, et al. Death has a preference for birthdays-an analysis of death time series. Annals of Epidemiology. 2012 Aug;22(8):603-606. DOI: 10.1016/j.annepidem.2012.04.016. PMID: 22658822.

　　[5]Matsubayashi, T., Ueda, M., Suicides and accidents on birthdays: Evidence from Japan, Social Science & Medicine (2016), doi: 10.1016/j.socscimed.2016.04.034.

　　[6]Sambridge, M., H. Tkalčić, and A. Jackson (2010), Benford's law in the natural sciences,Geophys. Res. Lett., 37, L22301, doi:10.1029/2010GL044830.

　　[7]Scientific American. What Is Benford’s Law? Why This Unexpected Pattern of Numbers Is Everywhere[EB/OL].(2023-05-08)[2026-08-13].

　　https://www.scientificamerican.com/article/what-is-benfords-law-why-this-unexpected-pattern-of-numbers-is-everywhere/

　　[8]David R. Appleton , Joyce M. French & Mark P. J. Vanderpump (1996) Ignoring a Covariate: An Example of Simpson's Paradox, The American Statistician, 50:4, 340-341

　　[9]马建华,刘德新,陈衍球.中国大陆海岸线随机前分形分维及其长度不确定性探讨[J].地理研究,2015,34(2):319-327.