第二十二章 样本选择：什么时候数据说了不算

做了二十来期加拿大走势观察之后，我越来越觉得，最难的其实不是看数字，而是判断哪些数字根本不该被拿来看。上个月整理一批加拿大28的历史记录时，我遇到一个很典型的情况。那批数据里有一段连续四十多期的开奖数据，表面上看走势特别整齐，大小交替几乎像排过队。我当时差点把它当成一个值得单独讨论的样本，准备写进记录整理里。后来多查了一层，才发现这四十多期里夹着三次系统维护，前后时间戳对不上，中间有近七个小时是空档。也就是说，这段看起来漂亮的加拿大走势，其实是被切割过的，把它当作一个连续样本去观察，本身就是错的。那天我删掉了已经写好的两页笔记，重新开始。

这件事让我对样本选择有了新的警惕。我们平时做PC28走势的记录整理，习惯按天、按周、按固定期数来切块，觉得只要数量够，规律就会自己浮出来。但数量从来不是关键，连续性才是。比如你手上有连续一百期的开奖数据，但其中每隔十几期就断一次，那你实际拥有的不是一百期的完整样本，而是七八个互不相干的小片段。把这些片段拼起来看加拿大28的走向，得到的结论多半是拼凑出来的幻觉。我现在每次动手之前，会先做一件事：把时间戳按顺序过一遍，标出所有间隔超过正常周期两倍的位置，把它们当作天然的断点。断点两侧的数据，我分开编号，绝不混着看。

还有一种情况更隐蔽，就是样本本身被选择的方式污染了。举个我自己踩过的坑。有段时间我特别关注某个时段，因为那个时段的PC28走势看起来波动大、有节奏感，我连续记录了半个多月，越记越觉得里面有文章。后来我换个角度，把全天所有时段的数据拉出来对比，才发现那个时段之所以显得特别，纯粹是因为我那半个月只盯着它看，别的时间段我根本没记。这就是选择偏差，样本不是随机来的，是我自己挑出来的。用这种样本去推加拿大28预测，不管方法多严谨，起点就已经歪了。现在我会强迫自己每隔几天做一次反向检查：把没被选中的那些时段也翻出来看几眼，确认自己不是在偏爱某一段。

那么什么时候数据说了不算？我自己的判断标准有三条，都是从加拿大走势的长期观察里慢慢磨出来的。第一条，样本存在未标记的断点，或者断点标记不清楚，数据说了不算。第二条，样本的采集范围明显偏向某个时段、某种形态，而你没有同时记录它的对立面，数据说了不算。第三条，样本量太小，小到任何一次偶然波动都能改变整体印象，比如只记录二十期就来谈PC28走势的规律，那基本是在跟自己开玩笑。这三条里只要中一条，我就会把那批记录单独放一边，不参与任何归纳，只当作素材存档。

当然，说数据说了不算，不等于数据没用。恰恰相反，我发现那些被排除掉的样本，往往比合格的样本更有观察价值。因为它们暴露的是记录整理这件事本身的漏洞。我现在的习惯是，每排除一批数据，就在旁边写一行小字，记下排除的理由和当时的判断依据。过一阵子回头翻，经常能看出自己当初的思路哪里急了、哪里偷懒了。这种自我检查比多记一百期加拿大28的开奖数据还管用。加拿大28预测这件事，说到底不是比谁算得快，而是比谁更清楚自己手里的牌到底有几张、哪些是废牌。

所以这一期的结论很简单，也很不讨好：样本选不对，后面所有分析都是白费力气。与其急着从数据里找答案，不如先花时间问清楚这批数据是怎么来的、中间断没断、我是不是只看了我想看的那部分。把这些问题回答完，再谈加拿大走势的走向，再谈加拿大28的记录整理，心里才踏实。下一期我打算接着聊另一个常被忽略的环节，就是记录的时间粒度，粗一点和细一点，看到的PC28走势完全是两回事。