2. 统计学基础回顾：描述性统计、概率分布、中心极限定理与假设检验
在保险精算与 A/B 测试中，统计学是连接数据与决策的桥梁。本章将系统回顾描述性统计、核心概率分布、中心极限定理以及假设检验的基本思想，为后续的试验设计、效果评估与风险量化打下坚实基础。
2.1 描述性统计：数据的第一印象
描述性统计用于概括和解释数据的基本特征，是任何数据分析的起点。在保险场景中，我们通常关注保单数量、赔付金额、客户留存时长等指标的集中趋势与离散程度。
| 统计量类别 | 常用指标 | 保险精算应用示例 |
|---|---|---|
| 集中趋势 | 均值、中位数、众数 | 平均赔付金额、典型保单规模 |
| 离散程度 | 方差、标准差、极差、四分位距 | 赔付波动性、风险分散程度 |
| 分布形态 | 偏度、峰度 | 损失分布是否对称、尾部风险 |
| 位置度量 | 百分位数、Z 分数 | VaR（风险价值）计算、异常值检测 |
精算提示：在 A/B 测试中，描述性统计不仅用于检查数据质量（如缺失值、异常值），还用于快速对比实验组与对照组的核心指标差异，为后续假设检验提供直观依据。
2.2 概率分布：建模不确定性的基石
概率分布是描述随机变量取值规律的数学模型。在保险精算中，两种分布最为常见：正态分布与二项分布。
2.2.1 正态分布
正态分布（Gaussian Distribution）是自然界与社会科学中最常见的连续分布，由均值 μ 和标准差 σ 唯一确定。其概率密度函数呈对称钟形曲线。
- 68-95-99.7 法则：约 68% 的数据落在 μ ± σ 内，95% 落在 μ ± 2σ 内，99.7% 落在 μ ± 3σ 内。
- 精算应用：大样本下，平均赔付金额、保费收入等统计量近似服从正态分布；在 A/B 测试中，样本均值的抽样分布也趋近正态。
2.2.2 二项分布
二项分布（Binomial Distribution）描述 n 次独立伯努利试验中成功次数的离散分布，参数为试验次数 n 与成功概率 p。
- 概率质量函数：P(X = k) = C(n, k) * p^k * (1-p)^(n-k)
- 精算应用：保单是否出险、客户是否续保、A/B 测试中用户是否转化等二元结果。
关键对比：
| 特征 | 正态分布 | 二项分布 |
|---|---|---|
| 变量类型 | 连续 | 离散 |
| 参数 | μ, σ | n, p |
| 均值 | μ | np |
| 方差 | σ² | np(1-p) |
| 典型场景 | 平均赔付额 | 出险次数 |
2.3 中心极限定理：统计推断的引擎
中心极限定理（Central Limit Theorem, CLT）是统计学中最重要的定理之一。它指出：无论原始总体服从何种分布，只要样本量 n 足够大（通常 n ≥ 30），样本均值的抽样分布将近似服从正态分布。
- 数学表达：若 X₁, X₂, ..., Xₙ 是独立同分布的随机变量，均值为 μ，方差为 σ²，则样本均值 X̄ 的分布趋近于 N(μ, σ²/n)。
- 精算意义：即使单个保单的赔付分布高度偏斜（如 Pareto 分布），大量保单的平均赔付仍可近似为正态，从而使用基于正态的假设检验方法。
- A/B 测试应用：实验组与对照组的平均转化率之差，在样本量足够时也服从正态分布，这是 t 检验与 z 检验的理论基础。
常见误区：中心极限定理要求样本独立同分布，且样本量足够大。对于高度偏态或存在强相关性的数据（如时间序列），需要更大的样本量或使用专门方法。
2.4 假设检验基本思想：用数据做决策
假设检验是一种统计推断方法，用于判断样本数据是否提供了足够证据来拒绝一个关于总体的假设。其核心思想是：小概率事件在一次试验中几乎不会发生。
2.4.1 基本步骤
- 提出假设：设立原假设 H₀（通常为“无差异”或“无效”）与备择假设 H₁（“有差异”或“有效”）。
- 选择检验统计量：根据数据类型与分布选择适当的统计量（如 t 统计量、z 统计量）。
- 确定显著性水平 α：通常取 0.05 或 0.01，表示允许犯第一类错误（拒绝真 H₀）的最大概率。
- 计算 p 值：在 H₀ 为真的前提下，观察到当前或更极端结果的概率。
- 做出决策：若 p 值 ≤ α，则拒绝 H₀，认为差异具有统计显著性；否则不拒绝 H₀。
2.4.2 两类错误
| H₀ 为真 | H₀ 为假 | |
|---|---|---|
| 不拒绝 H₀ | 正确决策（1 - α） | 第二类错误（β） |
| 拒绝 H₀ | 第一类错误（α） | 正确决策（1 - β，即统计功效） |
精算视角：在 A/B 测试中，第一类错误（α）意味着错误地认为新策略有效而投入资源；第二类错误（β）意味着错失真正有效的策略。通常我们更关注控制 α，同时通过增大样本量来降低 β、提升统计功效。
2.4.3 与保险精算的关联
- 费率调整：检验新费率是否显著改变了赔付率。
- 核保规则：验证新核保模型是否显著降低了风险选择偏差。
- 客户留存：判断新营销策略是否显著提升了续保率。