生活中的统计学

办公室里两位语文老师在讨论红学，刚好说到了《红楼梦》后四十回的争议问题，刚好之前看到一篇相关的文章，我也加入了闲聊。

1985年，复旦大学李贤平教授带领他的学生做了这样一个调查。将书中120回看成是120个样本，确定与情节无关的虚词出现的次数作为变量，巧妙运用数理统计分析的方法，分析哪些回出自同一人的手笔。

一般情况下，同一情节大家描述得都差不多，但由于个人写作特点和习惯不同，所用虚词是不会一样的。利用多元分析中的聚类分析法进行聚类，果然将120回分成两类，印证了之前的结论。

之后还进一步分析了前80回是否为曹雪芹所写？根据曹雪芹的其他著作，做了类似计算，证实用词手法完全相同，断定前80回为曹公一人所写，是根据《石头记》所成，中间插入《风月宝鉴》，再增加其他成分。

数据显示，后40回并非高鹗一人所写，发现宝黛故事为一人所写，贾府衰败情景为另一人所写。

李教授用多元统计分析方法支持了红学界的观点，当时引起的轰动很大。能够用数学统计方法来印证，我猜测也是李教授在枯燥无聊的调查研究之余找到的一点小乐趣，很想知道，他当时有没有嗤笑：明明简单的事，还来一个红学派很多人研究很多年，果然自古文人最无聊哈……