话说,如果只看全池平均,这些高点会被大量正常区域稀释掉;如果看每个位置,又会觉得它们只是噪声,因为异常出现在哪里并不固定。
江遥盯着其中一次事件前十天的数据看了很久。
她突然想到一个很普通的画面。
一个班级平均分仍然是八十分,过去所有人都在七十五到八十五之间;后来平均分还是八十,却变成一部分九十五、一部分六十五。只看平均数,好像什么都没变,班级内部其实已经完全不同。
这个类比没有出现在答卷上。
但它帮她把问题往前推了一步。
也许真正应该监测的,不是“全池水平有没有升高”,而是“内部是不是开始变得不均匀”。
她在纸上写下:
**平均还没动,内部先散开?**
写完以后,她没有继续。
前几次教训已经形成条件反射:这个解释太顺了,先找怎么错。
如果外部条件本来就不均匀,比如某些区域光照更强、营养输入更高,那么局部差异变大,并不意味着系统接近整体变化;也可能只是天气、采样位置或者测量误差造成。尤其数据里每天采样的位置还会变化,“今天差异大”有可能只是刚好测了两个极端位置。
这让她原本刚形成的想法一下变得不够用了。
她没有失望。
反而觉得题终于开始真正有意思。
接下来的一个小时,她没有建立复杂模型,只做了一件很笨的事:把四次事件之前的局部数据,和大量没有发生事件的普通日期放在一起比较。她不再问“异常点多不多”,而是试着看几种更简单的特征——局部差异是否持续增加,相邻区域是不是开始更像彼此,异常是否总是孤立出现,还是会慢慢形成连续的小片。
第一项不够稳定。
第二项有一点信号,却受采样位置影响很大。
第三项反而让她停住。
平常日子里,高值点偶尔也会出现,但像散落的斑点,今天这里,明天那里,没有连续性。真正的大变化前,那些高值点开始变得“有邻居”:一个高值附近更容易再出现另一个高值,小片区域慢慢连起来。平均数仍可能正常,可空间上的组织方式已经变了。
江遥在电脑上画出几张最粗糙的分布图。
没有精美配色。
只有灰点和黑点。
可四次事件前,图上的变化肉眼都能看出来。
…。。本站若有图片广告属于第三方接入,非本站所为,广告内容与本站无关,不代表本站立场,请谨慎阅读。
Copyright © 2020 词令书屋 All Rights Reserved.kk