死亡记录如何成为人口表：从个案到规律

不确定性为什么成为数学问题

概率从游戏转向社会，需要稳定记录。十七世纪的约翰·格朗特分析伦敦死亡公告，把零散死亡条目整理为数量、年龄和原因模式；哈雷等人进一步利用人口资料构造生命表。新的数学对象不是某个人何时死亡，而是一组人在年龄区间中的存活与死亡频率。

这一章每一课都先区分三层：现实中发生了什么，数据怎样被记录，模型怎样给结果加权。概率不是把无知包装成小数，统计也不是把表格交给公式。只有样本空间、抽样机制和问题目标说清楚，数值才有含义。

陪你算一次

某年观察1000人，记录20人死亡，粗死亡比例为20/1000=0.02。这个数不能直接回答任意人的风险：年龄结构、观察期限、迁入迁出和记录漏报都会改变解释。生命表要按年龄或队列组织风险，保险定价还要结合未来支付、利率与模型稳定性。

计算时请保留分母、权重、样本量或残差，不要只交最终小数。算完再用一句话解释这个数对单次事件、长期重复或总体参数分别意味着什么；这三种解释不能互换。

历史与模型边界

人口表看似客观，分类却由制度和记录实践决定。死因标准改变、缺失并非随机、样本不代表总体时，漂亮比率也可能误导。统计史不仅是公式进步，也是国家登记、城市治理、保险需求与数据质量共同塑造可计算人口的历史。

历史判断仍按四步：原问题、可用数据、数学方法、尚未解决的限制。不要把后来的统一术语原样倒贴给早期作者，也不要因为早期材料不完备就抹去方法创新。制度怎样记录数据、谁被纳入样本，同公式本身一样值得检查。

与全章连接

赌博分配先建立可能分支，期望把结果按价值加权，人口表把个案聚成频率，贝叶斯从证据反推原因，误差理论从重复测量估计真值，相关再描述变量共同变化。每一步都扩大了可处理问题，同时引入新的假设与误用风险。

把本课的数值分别放进单次、重复试验和决策三个句子中，检查主语是否一致。若同一个数在三句话里被解释成确定结果、长期平均和个人偏好，就要立即拆开重写。

迁移任务

更换正文数值重新计算，并故意破坏一个假设：让骰子有偏、样本漏报、检测基率改变、测量含系统误差或相关来自共同原因。比较答案如何改变，写出模型失效的具体位置。能指出失败边界，才算真正会用。

本课验收

完成单选、多选和数值题。选择题漏选或多选均不得分；数值题保留计算链，并写一句不允许从该数值推出的结论。