网上流传一个叫"三6法则"的择偶梗:一个男人要够格约会,得同时满足身高6英尺、收入6位数、某项长度6英寸。这本是社交媒体上的调侃素材,今年却被一篇数据博客当真了——作者搬出正态分布、百分位数、独立事件概率,一本正经地算出:同时满足这三条的男性,大概只占人群的0.425%。
文章写得挺唬人,公式一套一套。但拆开看,里面至少有一半的输入数字是错的。
两条曲线,一个乘法
作者的思路不复杂:身高和某项生理长度都近似服从正态分布,只要知道均值和标准差,就能算出"6英尺"或"6英寸"卡在哪个百分位,再把两个百分位相乘,得到同时达标的概率。
身高部分,作者设定20-30岁美国男性均值70英寸、标准差3英寸,算出6英尺(72英寸)正好落在75百分位,也就是全人群里有25%的人够格。
长度部分,作者用的均值5.166英寸、标准差0.654英寸,算出6英寸对应90百分位,达标率10%。
两个独立事件相乘,25%乘10%,得到2.5%——一百个人里挑出两三个。逻辑上没问题,问题出在第一组数字。
身高的账,对不上
真正核心的数据源是CDC的NHANES人体测量调查。按官方口径,20多岁美国男性里,6英尺及以上的比例大约是15%到18%,而不是作者算出来的25%。
差别不算离谱,但方向很明确:作者的模型低估了"够6英尺"这件事的稀缺度,也就间接高估了达标人数。
- 结论.如果把身高输入换成CDC的真实比例,再按作者自己的乘法重新算一遍,"两项都达标"的概率会从2.5%掉到1.5%上下——达标人数比原文声称的少了近三分之一。
有意思的是,长度这条数据线反而经得起检验。临床研究(Veale等2015年系统综述)给出的勃起长度均值和标准差,和作者用的几乎一模一样,算出的90百分位也完全吻合。同一篇文章,一个变量精准到小数点,另一个变量却偏差了近十个百分点——说明作者不是没做功课,是两处的数据源可信度天差地别。
失之毫厘,谬以千里——一个输入参数的偏差,足以让"稀缺度"的结论跑偏三分之一
收入那笔账,用的是十年前的尺子
第三个变量是收入。作者拿"6位数收入"(10万美元以上)去套一个2014年的收入分布,算出17%的达标率。
- 提醒.用十年前的收入分布去衡量今天"够不够6位数",本身就有时间错位。通胀和薪资增长这十年没停过,2014年的17%放到今天,大概率已经不是17%了,但目前没有更新的公开数据能替换它。
作者自己也承认了一个更根本的简化:身高和长度大概率存在正相关,但因为缺乏可靠数据,他选择把两者当独立事件处理。这个假设被明确标注出来,算是诚实,但也意味着最终的"2.5%"从一开始就带着至少两层近似——一层是没建模的相关性,一层是走了样的身高输入。
这类"用统计学解构网络梗"的内容形式,这两年在数据博客圈子里很吃香。公式、图表、正态分布曲线一摆出来,读者本能地会觉得"这很严谨"。但严谨的是运算过程,不是输入的数字。乘号、百分位、Excel函数这些工具本身没有对错,它们只是忠实地把你喂给它的数字放大成一个看起来权威的结论。
尽信书不如无书。碰到这种"数据博客",真正该核对的不是它算得对不对,而是它拿来算的那两个数字——均值和标准差——是从哪儿来的。这篇文章里,长度数据经得起查,身高数据经不起查,而收入数据干脆用的是一把过时的尺子。三个变量,三种可信度,这才是它真正值得被记住的地方,比"2.5%"这个数字本身更有用。