移动平均、遗漏值与分布偏斜：加拿大28历史数据的进阶读法

很多人把历史数据的统计量当成“下一期会怎样”的依据，这其实是把描述性工具当成了推断工具。这篇笔记整理三个常用的统计视角——移动平均、遗漏值、分布偏斜——在加拿大28这类高频数据里的正确读法，以及一个常被忽略的前提：样本窗口的选择，往往比指标本身更能决定你看到什么结论。

一、移动平均：它的作用是压缩波动，不是发出信号

移动平均的本质是把一段窗口内的取值压成一个点，用来削掉高频噪声。窗口越短，曲线越贴近原始波动，反应快但噪声大；窗口越长，曲线越平滑，但滞后明显，转折点会被推迟好几期才体现出来。

读的时候要注意三点。第一，移动平均会制造“趋势幻觉”：当底层数据其实是独立随机时，滑动平均依然会呈现出连续的上升段和下降段，这是平滑操作本身的产物，不代表存在惯性。第二，不同窗口的均线交叉不具备独立信息量，两条均线用的是同一批数据的不同切片，交叉只是两者滞后的差。第三，如果数据有明显的周期性（比如按位、按形态分组后），移动平均会把周期相位抹平，此时更应该看分组后的分段统计，而不是一条总均线。

二、遗漏值：几何分布是基准线

遗漏值指某个号码或某种形态距离上一次出现已经过了多少期。它最容易被误读成“欠账”——好像遗漏越久越该出现。正确的基准是：如果每期相互独立、某形态出现概率为 p，那么遗漏值近似服从参数为 p 的几何分布，平均遗漏约为 1/p − 1，中位数约为 ln0.5 / ln(1−p)。

由此可以推出两个实用结论。其一，“历史最大遗漏”不是一个固定门槛，它会随着观察期数增加而不断被刷新，样本越长，极值越大，这是极值统计的必然，不是数据“该回补”的信号。其二，遗漏值的分布右偏很长，绝大多数时间都在平均线以下，少数超长遗漏拉高了均值，所以用均值描述遗漏容易失真，看分位数（如 50%、90%、99% 分位）更有意义。

三、分布偏斜：先问样本够不够

偏斜用来描述分布是否对称。做法是把号码或形态按频次分组，算理论频次与实际频次的差，再看偏离幅度是否超出随机波动范围。经验上，样本量在几百期以内时，单个分组的频次波动可以很大，看起来“严重偏斜”往往只是抽样噪声。

另一个陷阱是多重比较：同时观察几十个号码，总有几个偏离得比较夸张，这属于必然事件。稳妥的做法是先固定观察对象和口径，再做整体性检验（比如卡方类的拟合优度思路），而不是挑出最偏的那一个讲故事。

四、样本窗口：结论的隐形开关

同一份数据，换一个窗口长度，结论可能完全相反。滚动 30 期显示“热度集中”，滚动 300 期可能显示“高度均匀”。这不是数据自相矛盾，而是窗口把不同的随机波动放大或压缩了。

实操上建议：固定一个主窗口用于日常跟踪，同时保留两三个不同长度的窗口做敏感性对照；如果结论只在某一个窗口下成立，就应当把它当作噪声而不是规律。另外，任何窗口都应当在看数据之前确定，事后挑选窗口是最常见的自欺方式。

五、把笔记落在方法上

变量先定义清楚：号码口径、形态口径、期号对齐方式；数据先清洗：缺期、重复、跨天边界；指标只做描述：移动平均看平滑形态，遗漏值看分位分布，偏斜看整体拟合；结论标注条件：写明窗口长度、样本区间、样本量。

最后需要明确：以上都是对历史数据的描述手段，不构成对未来的预测，也不保证任何效果。把统计量当成概率承诺，是这类数据分析里最常见的错误。