回归平均

19世纪的英国科学家高尔顿，他是一名好奇心满满的数学家。他有个愿望，要把遗传问题量化。首先，他从父亲与孩子的身高入手，因为这是组比较容易采集的数据。他拿出一张白纸，用尺子画出坐标轴，横轴表示孩子的身高，纵轴表示父亲的，每一对父子在坐标图上就是一个黑点。他在收集了大量的数据之后，发现了“散点图”。

让我们先做一下假设：如果孩子的身高完全取决于父亲的身高的话，这张图就会变成一条直线。如果孩子的身高与父亲毫无关系，那么我们会得到一章杂乱无章的图，充满了随机的小黑点。但实际上呢，高尔顿得到的既不是直线图，也不是杂乱无章的图，而是一张散点图，也就是说，它呈现出一个近似椭圆的形状，其中心对应的就是父母与孩子正好都是平均身高的那个点。也就是说，不管父母的身高是高是矮，大数据表示，孩子们的身高都是逼近普通人的身高，也就是回归平均值的。

他在1889年《自然的遗传》一书中是这么总结的：我认为，从整体情况看，成年子女的身高与他们的父母相比更趋于平均水平。所以如果你个子很矮也不必担心，因为你的后代是有很大可能会达到正常人身高的。那我们到底还受不受遗传学的影响呢？高尔顿发现，遗传还是影响我们，但是通过相关函数发挥作用的。

高尔顿的椭圆形有胖有瘦，如果离心率大，则意味着遗传因素的作用大，椭圆形就胖，回归平均值的作用小，相反的话，回归平均值就起到了决定性作用。高尔顿把这个量称为“相关函数”。高尔顿就此推论，不仅身高，人们的智力水平肯定也会如此。不管父母的智商如何高，后代不可能永远聪明下去，他们必然受到回归平均值的影响，成为普通人中的一员。这一理论后来被大数据的分析证明了，事实上，生活中随着时间产生变化的任何东西，几乎都会受到回归效应的影响。