两个样本，两个答案
上一篇我们用点估计从数据里挤出一个最优的数字——比如，从一整年的汽车保单算出平均理赔 4,200 美元。这个数字感觉很扎实。但统计学核心处有个令人不安的真相：如果你收集的是*另一年*的保单，你会得到一个不同的平均值。也许是 4,050 美元，也许是 4,380 美元。你恰好看到的这批数据，只是从一个大得多的总体里抽出的一次而已，换一次抽样就会讲出略有不同的故事。
这种晃动叫做抽样变异，它既不是错误，也不是数据收集得马虎——它根植于"看样本而不看整个世界"这一行为本身。你算出的估计值本身就是一个随机变量：换一批新样本喂给它，它就会跳来跳去。所以真正的问题不再只是"平均理赔是多少？"，而是"如果我能把整套流程重做一遍，我的答案会晃动多大？"只报出点估计、对这种晃动闭口不谈的精算师，只讲了故事的一半。
标准误：度量这份晃动
设想你可以抽一批新样本、算出它的平均值、记下来，然后重复几千次。你会得到一整团围绕真值散开的平均值。这团云有它自己的分布——估计值的抽样分布。**标准误**不过是这团云的标准差：一个说明典型估计离真值有多远的数字。标准误小，说明你的估计被牢牢钉住了；标准误大，则说明它本来很容易就算出个相当不同的结果。
我们当然没法真把这一年重复几千次——但也不必。对样本均值来说，标准误就是数据自身的标准差除以样本量的平方根：SE = s ÷ √n。那个平方根是整个领域里默默运转的引擎。它说的是：要把不确定性减半，你得把数据*翻四倍*；精度是昂贵的，而且你想要得越多，它就越贵。若 100 张汽车保单的理赔金额以 3,000 美元的标准差散开，则均值的标准误为 3000 ÷ √100 = 300 美元。
sample size n = 100 SE = 3000 / sqrt(100) = 300 sample size n = 400 SE = 3000 / sqrt(400) = 150 sample size n = 1600 SE = 3000 / sqrt(1600) = 75
为什么这份晃动是钟形的
这里有个让标准误得以好用的小奇迹。理赔金额本身极不呈钟形——绝大多数很小，少数极其巨大，直方图歪向一边。然而中心极限定理告诉我们：足够多笔独立理赔的*平均值*，会表现得像一个平滑的正态分布，几乎不论单笔理赔长得多丑。那团可能的样本均值，近似地就是一个以真值为中心、宽度等于标准误的整齐钟形。
正是这个钟形，让我们能把标准误转化为关于可能性的陈述。对正态曲线，约 68% 的云落在中心一个标准误以内，约 95% 落在大致两个标准误以内。所以若我们的估计是 4,200 美元、标准误 300 美元，便可以说：样本均值大约有 95% 的时候会落在距真值约 600 美元以内。标准误定下尺度，正态形状让我们从中读出百分比。
不过要诚实面对它的局限。中心极限定理需要*足够*的数据和大致独立的观测，而且它靠的是平均值，不是罕见的极端值。对于困扰巨灾与责任险业务的厚尾损失——一笔理赔就能让另外一千笔相形见绌——均值的钟形近似可能来得很慢，轻信它很危险。这套标准误机器对寻常的波动是忠实的向导，对遥远的尾部却是糟糕的向导。我们会反复回到那条尾部；自信满满的模型，正是在那里葬身的。
置信区间：一个诚实的范围
与其报出孤零零一个点，我们报出一个坦率承载着不确定性的范围：**置信区间**。配方很短。取点估计，再向两侧各跨出固定个数的标准误。对常见的 95% 区间，这个倍数约为 1.96——心算时就当作 2。以我们 4,200 美元的估计、300 美元的标准误，向两侧各跨出 1.96 × 300 ≈ 588 美元：95% 区间便从约 3,612 美元延伸到约 4,788 美元。换句话说，它不过就是"估计值，上下浮动约两个标准误"。
撒一张更大的网就更常网住真相：99% 区间用约 2.58 个标准误，因而更宽；90% 区间用约 1.64 个，因而更窄。注意这里天生就有个取舍。你可以更有把握，也可以更精确，但用同一批数据无法两者兼得——想在两条战线上同时获胜，唯一的办法是收集更多数据、把标准误本身缩小。这种置信度与精度之间的张力，是精算师在每一个估计上都要面对的。
诚实地解读它——以及多数人会掉进的陷阱
现在是几乎人人都会弄错的部分。人们很想说"真实均值有 95% 的概率落在 3,612 到 4,788 美元之间"。严格说来，这句话是错的。真实均值是个固定的数；区间一旦画出，它要么在这个特定区间里，要么不在——再无概率可言。那 95% 描述的是*这套程序*，而不是这一个区间：如果你把"抽样—造区间"的整套配方一遍遍重复，你造出的区间大约有 95% 会网住真实均值。眼前这一个要么命中要么落空，你只是不知道是哪种罢了。
再补两条诚实的告诫。第一，所声称的置信度只覆盖抽样变异——你恰好抽到了哪些保单的运气。它对样本有偏、字段测错、模型设定错误等通通无能为力。一个建立在错误数据上、漂亮又窄的 95% 区间，只会精确而自信地错下去。第二，区间随 √n 收窄，所以数据足够多时它能缩成一条细线，却仍围绕着一个系统性偏离的估计。宽度量的是噪声，不是真相；千万别让一个窄区间哄得你以为底层那个数字一定对。
这也是通往下一篇假设检验的悄然桥梁。问"真实均值有没有可能是 4,500 美元？"，等同于问"4,500 美元落在我的置信区间里吗？"区间与检验是同一个想法的两种视角——一组数据无法排除的取值。眼下，请抓住定义这一职业的习惯：精算师报出一个点，绝不会不报它的不确定性。一笔"5,000 万美元"的准备金意义不大；"5,000 万美元，95% 区间为 4,400 万至 5,800 万"才告诉董事会真正需要据以决策的东西。