从原始记录到清晰指标，先解决口径问题再做计算。 本文将相关概念拆成可以逐步检查的说明，并附上具体例子与独立练习。阅读时请同时保留示例前提，不将固定图形的结论直接扩展到未说明的外部情形。
频率必须有清楚的分母
某结果出现次数除以有效样本总数，得到的是该批样本中的频率。计算前需要定义“一条样本”是什么，并说明无效、重复或缺失记录如何处理。只给一个百分比却不说明分母，会让十次与一万次记录看起来拥有同样的解释力度。
样本量影响波动程度
一般而言，在其他条件相同的合理抽样模型中，样本越多，经验频率通常越稳定，但这不修复系统性偏差。若原始记录只保留某类结果，增加同类偏差记录也不会使结论可靠。样本量与样本质量是两回事，应当分别检查。
缺失值不是自动的零
未知结果、加载失败和未记录轮次，不应未经说明就当作某个正常类别。先统计缺失数量，再决定是否排除，并报告有效分母。若缺失更容易发生在特定结果上，简单删除也可能引入偏差。缺失处理方法需要与数据一同披露。
展示图表时同时写出边界
图旁应有样本数量、统计区间、分类方式与数据性质。本站图表使用教学演示数据，不是实时业务记录。若图表仅用于说明柱状图怎么读，就不应进一步推导某种真实机制。让图形讲清它能说明什么，也说明它不能说明什么。
把知识放回一个具体例子
教学示例
演示数据共 20 条，其中 A 为 9 条、B 为 7 条、未知 4 条。按有效样本计算 A 频率为 9/16，而非 9/20；同时必须报告排除了 4 条未知记录。若研究对象是全部 20 条，则需要单列未知类别，不应偷偷改变口径。
独立练习：检验你是否真正理解
用二十条演示记录练习两种汇总方式：一种把未知单列，另一种只计算已知类别，但明确写出有效分母。比较图表标题、注释与百分比之和是否匹配。然后故意复制一条记录，检查重复编号是否会被发现。这个练习不需要真实业务数据，也能暴露口径管理问题。算式正确只是其中一环；如果样本单位、去重规则或缺失处理不清，漂亮的比例仍可能回答了错误的问题。
演示数据与分析边界
本栏目中的数字、序列和图表用于解释统计概念，均为教学演示，并非实时游戏结果或业务监测。分析前应明确样本单位、记录方式与机制假设，分析后保留局限与不确定性。历史表现只能描述给定资料，不能自动证明未来具有相同结果，更不构成命中率或收益保证。涉及独立性、均匀分布等性质时，必须同时保留其成立条件，不能从几张截图直接推断。
阅读检查清单
- 定义样本单位。
- 写清分母。
- 检查选择偏差。
- 单列缺失。
- 标明演示性质。
- 不由频率保证下一次。