【原】高考 | 第一次筛选

1. 均值回归

前几天刷知乎时，看到了北大教授吐槽自己女儿学渣的新闻，从“逆天改命到学会认命”，这种现象叫“均值回归”。

❝

统计学上有个概念，叫“均值回归”。19世纪的英国科学家高尔顿对1078对夫妇及后代的身高进行研究后发现：父母是高个子，孩子的身高也许高于平均身高，但不见得高于自己的父母；到一定程度后，后代的身高会往平均身高“回归”。

❞

《女士品茶》中的文字：

❝

高尔顿用这种方法，发现了他称之为“向平均回归”（regression to the mean）的现象，这表现为：非常高的父亲，其儿子往往要比父亲矮一些；而非常矮的父亲，其儿子往往要比父亲高一些。似乎是某种神秘的力量，使得人类的身高从高矮两极移向所有人的平均值。不只是人类身高存在着向平均数回归的现象，几乎所有的科学观察都着了魔似的向平均值回归。在第5章到第7章，我们将看到，费歇尔如何能够将高尔顿向平均值回归的思想纳入统计模型，而这种模型现在支配着经济学、医学研究和工程学的很多内容。

❞

像智商这东西，也是随机正态分布的，不同的社会地位，不同的经济水平，不同的一线二线城市，群体的均值也许有些许差异，但是人口基数更重要。

比如：

比如：

育种讲究均值和方差，一线城市平均值可能高，出现天才的概率也比二线城市大（因为平均值高，方差一致，所以智商高于130的（天才）概率也高）。但是挡不住二线城市总体（总人口）大呀。

「上代码：」

library(cowplot)
library(ggplot2)

d1 = data.frame(y = rnorm(50,mean = 105,sd = 10))
head(d1)

d2 = data.frame(y = rnorm(500,mean = 100, sd = 10))
head(d2)

p1 = ggplot(data = d1,aes(x = 1:dim(d1)[1],y = y)) + geom_point() + ylim(50,155)

p2 = ggplot(data = d2,aes(x = 1:dim(d2)[1],y = y)) + geom_jitter() + ylim(50,155)

plot_grid(p1,p2)






「代码解释：」

生成两个数据：

d1: 一线城市智商分布，平均值为105，标准差为10，个数为50 d2：二线城市智商分布，平均值为100，标准差为10，个数为500

由图中可以看出，左边的图均值为105，但是智商大于125的有1个，大于130的没有。右边均值为100，但是智商大于125的有3个，大于130的有1个。

「这说明：样本足够多，才会有各种可能！」

2. 阶级滑落

中国的阶级焦虑，恰恰来自这些一代进入大城市打拼的人才。因为，他们的后代，很大概率上遭遇了均值回归，很难再像他们那样优秀了。中心城市的二代，智商能力远远低于一代进城的先辈的概率非常高，然后就发生了阶级滑落。

所谓精英，是指智商高于平均值很多的人，其为人父母，人中龙凤。但是孩子的智商大体趋向整体平均值，即孩子的智商要小于父母的平均值，有这个趋势，“均值回归，是统计学！”

3. 高考，筛选

一线城市，二线城市，都是从足够的大基数人口中筛选出来的，人才不是培养出来的，更多的是筛选出来的。

❝

什么是人才，不只是智商，还包括强大的意志力与自驱力，勃勃野心，有完成牛逼事业的强烈渴望。

❞

由于，智商这个性状，遗传力较低，更偏向于随机分布，所以高效筛选出相关的人才建设人民共和国，至关重要。那么怎么筛选？高考！！！

无数有钱的家庭用重金、用教授级别的老师一对一、用最顶尖资源将他们的小孩武装到牙齿，但依然可能过不了高考这一关。因为人才是筛选出来的。

而无数家徒四壁的低保家庭，一不小心飞出一只金凤凰，丝毫不影响他们踏入社会后以一己之力改变整个家庭的命运。

4. 河南的选择压

2021年，河南高考人数125万，同样的录取人数，河南考生面临的选择压……

5. 理想的成绩

希望参加考试的考生，都能取得理想的成绩，进入大学，开始自己的黄金岁月。

认清现实，然后热爱生活！

6. 本文总结

从统计学中的均值回归概念，解释了为何高智商父母的孩子大概率低于父母平均值，然后从遗传力偏低的原因导致国家更看中的是筛选，然后才是培养。高考就是那个筛选！

其中我又用R语言模拟了两个群体，演示了虽然一线城市智商平均值更高，但是挡不住二线城市大量的人口基数。

一线城市，低生育率，孩子智商均值回归，然后阶级滑落。二线+城市，人口基数大，筛选，进军一线城市。

然后国家，放开三胎。