概率不是预言
概率通常用来描述在一组明确条件下，某类结果出现的相对可能性。它不是对单次事件的保证，更不是一张写好了未来的清单。说某类结果在理论上占有某个比例，并不意味着短期内会按同样比例整齐排列。每一次观察都可能偏离平均值，这种偏离本身就是随机波动的一部分。
阅读 pc28加拿大相关内容时，读者常把“可能性较高”误听成“这次会发生”。负责任的说明应当保留不确定性，并交代概率适用的条件。若页面只给出一个醒目的百分比，却没有告诉你样本如何产生、区间多长、是否为虚构示例，那么这个数字就缺少必要上下文。
样本量为何重要
样本是被纳入观察的一组记录。样本数量越少，单个记录对结果比例的影响越大。例如十条记录中多一条，比例可能改变十个百分点；一千条记录中多一条，比例变化就小得多。这个道理并不意味着大样本自动真实，而是提醒我们：看到比例时，必须同时看分母。
样本还需要有明确范围。只挑选某些时间段、只保留符合期待的记录，会造成选择偏差。把多个区间混在一起，也可能隐藏差异。读者可以先问“这些记录为什么被选中”，再问“它们说明了什么”。样本设计往往比图表颜色更值得关注。
理解随机波动
随机波动会让短期数据出现高点、低点、连续和间隔。人脑喜欢寻找规律，所以看到一段连续记录时，很容易产生“趋势已经形成”的感觉。但除非有证据表明生成条件发生变化，否则连续出现只是可能的排列之一。把波动命名为“热”“冷”并不会改变它的统计性质。
合理的图表应当把波动展示出来，而不是只选最戏剧性的片段。读者可以比较不同样本长度，观察均值和比例如何变化，也可以查看完整表格。若一张图只展示局部，结论就必须相应收窄，不能扩展成对未来的承诺。
如何练习阅读
练习时可以使用本网站的虚构示例：先记录样本总量，再计算每类频数和比例，最后写下“我能确定什么”和“我不能确定什么”。这种双栏笔记能帮助你把事实与推断分开。不要因为算出了一个漂亮的小数，就认为随机事件已经变得可控。
统计语言越克制，通常越接近可靠。可以说“在这组样本中出现较多”，不能说“因此下一次会出现”。可以说“短期比例有波动”，不能说“系统正在补偿”。把表达边界守住，才是概率知识真正的用处。
继续阅读
继续查看数据阅读页面和统计图表中的认知偏差。