[[380150]]

本文轉載自微信公眾號「Java大數據與數據倉庫」，作者柯同學 。轉載本文請聯系Java大數據與數據倉庫公眾號。

先來看一下2019年人口普查，也是第七次人口普查的男女性別比例數據，是目前最新的數據了。這里性別比，女性基數是100，例如：20 ~ 24這個區間，性別比是114.61，也就是說，114.6個男性對應100個女性。

可以看出，男女數量差異比較明顯，但是在這個人口基數大國中，這個差異得以放大。那么，這個性別數量差異是怎么造成的呢?我們繼續探究。

故事一

以前在農村重男輕女現象比較嚴重，我村里一戶人家想要一個男孩，結果接連生了5胎，都是女孩。人生就是這樣的倔強，也需要頑強，有時候你不堅持一下，你都不知道什么叫絕望。

故事二

午飯后跟我的程序員同事們，在軟件園散步，聊到找對象的問題，進而深入到當下國內，男多女少的這個高深問題，他們給出的觀點是：重男輕女的思想的產物，如果第一胎是男孩就不要二胎了;如果第一胎是女孩，繼續二胎，直到男孩為止。

上面兩個觀點，本質上都是一種，以為可以通過毅力和堅持，獲得想要的男孩，即人為控制初生兒的男女性別，這自然是不行的。

這就跟拋硬幣一樣，正反面的概率都是50%，如果你只想要正面，拋到反面就不放棄，貴在堅持，一直拋，恭喜你，你會發現一個規律，正反面概率都接近50%。

從生物學上來說，女性只產生X染色體，男性產生X、Y兩種染色體，XX(女性)，XY(男性)，即理論上來說，生男生女概率都是1/2。這就解釋了用拋硬幣實驗來類比的合理性。

但是，我們都知道再小的概率都有可能發生，更何況是50%的概率呢，生兩胎確實增加了男孩兒的概率。讓你投籃，給你一次機會，和給你2次機會，自然是選擇兩次機會，投中的勝算大一些嘛!所以故事一中的行為，就是通過多次行為，加大獲得男孩的概率。再比如，賭徒輸了很多，仍然不愿意離開賭場;你買諾安基金虧了好多，仍然不愿意離開;因為你相信你還有機會，都是這個道理。

這些都是賭博的行為，但是我們要相信科學，要相信真理。

就算一次生育行為可以用拋硬幣來解釋，那么每年那么多生育行為整體概率都是50%嗎，我相信大數定律可以解決這個問題了。

設X1,X2,…,Xn是獨立同分布的隨機變量，記它們的公共均值為μ。又設它們的方差存在并記為σ2。則對任意給定的ε>0，有

大數定律

大數定律從理論上是可以解釋多次生育行為中，生男生女的概率是大致相同的，即男女數量應該大致相等。

下面，我們用計算機程序來模擬。

實驗分析

用random模塊生成區間[0,1)之間的隨機數，如果生成的數小于0.5，就記為硬幣正面朝上，否則記為硬幣反面朝上。由于random.random()生成的數可以看做是服從區間[0,1)上的均勻分布，所以以0.5為界限，隨機生成的數中大于0.5或小于0.5的概率應該是相同的(相當于硬幣是均勻的)。這樣就用隨機數模擬出了實際的拋硬幣試驗。理論上試驗次數越多(即拋硬幣的次數越多)，正反面出現的次數之比越接近于1(也就是說正反面各占一半)。

橫軸是試驗次數，縱軸是正反面出現次數的比值。

隨著實驗次數的增加，正反面出現次數之比越來越接近于1。

那么問題來了，微觀來來看，生男生女概率是50%，宏觀上來看，生男生女概率也是50%，為什么男女數量有微小差異?

下面再看個故事。

一個家庭里重男輕女的觀念，多是體現在媳婦剛剛懷孕的時候。每到這個時候，一些迫切想要孫子的爺爺或奶奶，就會在口中念叨著“大孫子、寶貝金孫”……一些明顯帶有性別歧視的詞語。接著，他們就會想方設法的讓懷孕的兒媳去進行胎兒性別鑒定，一旦鑒別腹中胎兒非男性，就會強制性的要求兒媳做人工流產。

到這里，為什么生男生女概率一樣，男女數量有微小差異的原因呢?相比大家心里都有答案了，有些事情真相真的讓人細思極恐。