数据仓库系列文章(持续更新)
- 数仓架构发展史
- 数仓建模方法论
- 数仓建模分层理论
- 数仓建模—宽表的设计
- 数仓建模—指标体系
- 数据仓库之拉链表
- 数仓—数据集成
- 数仓—数据集市
- 数仓—商业智能系统
- 数仓—埋点设计与管理
- 数仓—ID Mapping
- 数仓—OneID
- 数仓—AARRR海盗模型
- 数仓—总线矩阵
- 数仓—数据安全
- 数仓—数据质量
- 数仓—数仓建模和业务建模
先来看一下2019年人口普查，也是第七次人口普查的男女性别比例数据，是目前最新的数据了。这里性别比，女性基数是100，例如：20 ~ 24这个区间，性别比是114.61，也就是说，114.6个男性对应100个女性。
可以看出，男女数量差异比较明显，但是在这个人口基数大国中，这个差异得以放大。那么，这个性别数量差异是怎么造成的呢？我们继续探究。
故事一
以前在农村重男轻女现象比较严重，我村里一户人家想要一个男孩，结果接连生了5胎，都是女孩。人生就是这样的倔强，也需要顽强，有时候你不坚持一下，你都不知道什么叫绝望。
故事二
午饭后跟我的程序员同事们，在软件园散步，聊到找对象的问题，进而深入到当下国内，男多女少的这个高深问题，他们给出的观点是：重男轻女的思想的产物，如果第一胎是男孩就不要二胎了；如果第一胎是女孩，继续二胎，直到男孩为止。
上面两个观点，本质上都是一种，以为可以通过毅力和坚持，获得想要的男孩，即人为控制初生儿的男女性别，这自然是不行的。
这就跟抛硬币一样，正反面的概率都是50%，如果你只想要正面，抛到反面就不放弃，贵在坚持，一直抛，恭喜你，你会发现一个规律，正反面概率都接近50%。
从生物学上来说，女性只产生X染色体，男性产生X、Y两种染色体，XX(女性)，XY(男性)，即理论上来说，生男生女概率都是1/2。这就解释了用抛硬币实验来类比的合理性。
但是，我们都知道再小的概率都有可能发生，更何况是50%的概率呢，生两胎确实增加了男孩儿的概率。让你投篮，给你一次机会，和给你2次机会，自然是选择两次机会，投中的胜算大一些嘛！所以故事一中的行为，就是通过多次行为，加大获得男孩的概率。再比如，赌徒输了很多，仍然不愿意离开赌场；你买诺安基金亏了好多，仍然不愿意离开；因为你相信你还有机会，都是这个道理。
这些都是赌博的行为，但是我们要相信科学，要相信真理。
就算一次生育行为可以用抛硬币来解释，那么每年那么多生育行为整体概率都是50%吗，我相信大数定律可以解决这个问题了。 设X1,X2,...,Xn是独立同分布的随机变量，记它们的公共均值为μ。又设它们的方差存在并记为σ2。则对任意给定的ε>0，有
大数定律从理论上是可以解释多次生育行为中，生男生女的概率是大致相同的，即男女数量应该大致相等。
下面，我们用计算机程序来模拟。
实验分析
用random模块生成区间[0,1)之间的随机数，如果生成的数小于0.5，就记为硬币正面朝上，否则记为硬币反面朝上。由于random.random()生成的数可以看做是服从区间[0,1)上的均匀分布，所以以0.5为界限，随机生成的数中大于0.5或小于0.5的概率应该是相同的(相当于硬币是均匀的)。这样就用随机数模拟出了实际的抛硬币试验。理论上试验次数越多(即抛硬币的次数越多)，正反面出现的次数之比越接近于1(也就是说正反面各占一半)。
横轴是试验次数，纵轴是正反面出现次数的比值。
随着实验次数的增加，正反面出现次数之比越来越接近于1。
那么问题来了，微观来来看，生男生女概率是50%，宏观上来看，生男生女概率也是50%，为什么男女数量有微小差异？
下面再看个故事。
一个家庭里重男轻女的观念，多是体现在媳妇刚刚怀孕的时候。每到这个时候，一些迫切想要孙子的爷爷或奶奶，就会在口中念叨着“大孙子、宝贝金孙”......一些明显带有性别歧视的词语。接着，他们就会想方设法的让怀孕的儿媳去进行胎儿性别鉴定，一旦鉴别腹中胎儿非男性，就会强制性的要求儿媳做人工流产。
到这里，为什么生男生女概率一样，男女数量有微小差异的原因呢？相比大家心里都有答案了，有些事情真相真的让人细思极恐。
