1942 年深秋的北非荒漠，白昼的炽热正被刺骨的冷夜吞噬。
一名英国皇家陆军军官打着昏暗的手电筒，爬上一辆被反坦克炮击穿的德国三号坦克残骸，小心翼翼地刮去迈巴赫发动机变速箱外壳上黑乎乎的油泥硬壳。
金属板上露出一串冷硬的冲压钢印：№267。
在随后的几个月里，突尼斯、利比亚、西西里岛……无数沾着硝烟与黄沙的金属铭牌拓片，被装进帆布邮袋，送往伦敦一间不见天日的地下办公室。
此时的盟军最高统帅部正被一种巨大的压力笼罩。
根据英国秘密情报局和法国地下抵抗组织冒死送回的情报，柏林坦克流水线正在昼夜不息地生产。间谍网络给出的估计是：德军每月生产约 1400 至 1550 辆坦克。
如果这个数字属实，盟军进攻无疑是迎头撞上一面由克虏伯装甲筑成的钢铁长城。
然而，在伦敦那间摆满计算尺、对数表和手摇计算器的房间里，几个戴着厚重眼镜的统计学家，盯着桌上仅有的几打残缺零件编号，给出了一个让所有将军瞠目结舌的结论：
“情报偏差很大！我们的结论是德国人每个月大概造 256 辆。”
在第二次世界大战期间，盟军情报部门通过统计方法准确估算了德国坦克如“黑豹”坦克的生产数量。
军方高层狐疑地将统计报告扔回了桌上。他们不知道的是，这场智力的攻防正地揭开人类直觉中最隐蔽的一处地方。
要理解这场争论，我们需要站在当年军事情报官的角度思考。
假设你手头的侦察兵在战场上缴获了 辆敌军坦克。德国人严谨刻板的官僚体制带来了一个致命习惯：为了追踪零部件损耗与质量控制，兵工厂从 开始，按严格的自然数递增顺序为坦克底盘、发动机和齿轮打上连续的序列号。
也就是说，如果德军总共造了 辆坦克，它们的编号就是纯粹的集合：
现在，你拿到了其中的 个样本。比如在某次战役中，你俘获/击毁了 4 辆坦克，编号分别是：
你的任务是：猜出那个决定战争胜负的真实总产量 。
几乎所有受过基础理科训练的人，脑海中都会瞬间浮现出同一个极其自然、看似坚不可摧的方案：算均值。
你会想：既然这些样本是在 这个区间里随机抓出来的，那么它们的算术平均值，理应落在正中间，也就是约等于 。
让我们把手中的 4 个数字加起来求平均：
既然中点大概是 65，那么总数 不就是 吗？
这个逻辑是如此简洁、符合直觉，以至于连军部的参谋们都觉得非常有理。
但只要你稍微推演一种极端情况，这个直觉的破绽就会像撕裂的钢板一样暴露无遗。
想象一下，如果这 4 辆坦克里，有一辆的编号是 №199 呢？
此时你的样本是 。它们的平均值是 。如果乘以 2，你给出的总数向下取整计将是 172。
荒谬的一幕出现了：你手里握着一辆清清楚楚打着199钢印的实物，你的数学模型却言之凿凿地告诉你——“全天下总共只有 172 辆坦克”。
算术平均值在面对“边界推断”时展现了它的软弱性：它在计算中抹平了极端值，但现实世界的物理法则却被那个不可逾越的“最大值”死死锚定。
真实的生产总数 ，必须绝对大于或等于你见过的每一个样本。任何小于观测最大值 的估计，在逻辑上都是自相矛盾的。
破局
在伦敦经济战部（Economic Warfare Division）工作的统计学家们，放弃了没有评估价值的均值。他们将视线从“数字本身的大小”，转移到了“数字与数字之间的空白”。
这是一种完全不同的思维。
让我们重新考虑这个问题。未知数 好比是一根固定长度的木桩，刻度从 到 。
你在上面随机钉下了 颗钉子（缴获的 个样本序号）。把这些钉子按从小到大排序：
其中最大的那颗钉子，就是你观测到的最大编号，记为 。
这 个样本就像随手切下的 刀，把未知的总区间切成了 段：
看到的最大编号 ，刚好覆盖了前面的 段；而藏在 之后直到真实终点 的，正是最后那 1 段未知的盲区。
[1]----( 缺口 1 )----[x₁]----( 缺口 2 )----[x₂] ... [m=xₖ]----( 最后的盲区 )----[N]
只要我们在战场上缴获的坦克，是从这批下线总数里等概率随机撞见的，那么在统计意义下，这 个缺口的期望平均长度就完全相等。
现在，我们眼前这块看得见的区域（从 0 到最大值 ），包含了前 个缺口。
既然 个缺口占据了长为 的距离，那么每一个缺口的平均估算长度就是：
平 均 缺 口
那么，藏在迷雾深处、在最大值 之后的最后一段盲区，理所应当也该有这么长。
因此，对那个不可见的终点 的最合理推测，就是把你见过的最大值 ，加上那最后一段盲区的长度：
因为手里这 辆车本身占了 个位置，所以真正漏掉的只有 个空位。把它们平摊到各个空档，就得到了统计学上最经典的无偏公式：
其中 是你缴获的样本中的最大编号；
是你手中的样本总数；
是对德军总产量的无偏最小方差估计值。
这个公式是不是也太简单了。
看一眼公式中的 ：当缴获的样本极少（ 很小）时，分母很小，修正项很大，数学在警告你“后方还有巨大的盲区”；而当你缴获的样本越来越多（ 逼近 时），修正项迅速衰减为 0，数学在告诉你“你已经摸到了现实的边缘，真实总数就在眼前”。
验证
1945 年 5 月，第三帝国覆灭。
盟军接管了柏林军工部的核心机密档案。那些曾经被视作最高机密的坦克生产总账，现在一览无余。
历史在这里留下了一组足以让所有纯经验主义者冷汗直流的对照记录：
二战盟军坦克月产量情报与实际数据对比表
时间段 / 车型
间谍网络与常规情报估计
统计学家数学估计值
德国档案馆实际官方产量1940年6月
（常规月产）
1,000 辆
169 辆122 辆1941年6月
（常规月产）
1,550 辆
244 辆271 辆1942年8月
（常规月产）
1,550 辆
327 辆342 辆
间谍们被德国人刻意伪造的番号、幽灵部队的调动指令、以及战俘口中夸大的恐惧彻底蒙蔽了，他们的估计值偏离了航道足足五到六倍。
而数学家们，仅仅凭借着从西西里战场收集回来的几打带着弹孔的变速箱铭牌，算出的数字与流水线上的实际产出，其误差被钉死在了 10% 之内。
这就是数学的力量。
参考资料：维基百科(German tank problem)
来源：遇见数学
编辑：张柒柒
转载内容仅代表作者观点
不代表中科院物理所立场
如需转载请联系原公众号
热门跟贴