说在前面的话：前面花了好多章来讲各种数据分析的方法和样例，突然发现我原来设想的主线乱了。
我的设想是对空间统计进行科普型的描写叙述，结果写到后面，特别是这几章（准确说是从填中位数中心的算法坑開始），幸好有吴道长果断提醒，说我偏离方向了，我才豁然省悟。再次友情感谢吴道长(PS:吴道长是GIS圈子里面古玩玩的最好的，古玩界里面。GIS技术最好的综合性人才)。所以从今天開始。我继续把空间统计里面那些绕口的理论变成大白话写给大家。
好，继续今天的内容。事实上零如果这个内容在讲P值和Z得分的时候，已经专门用一章来讲述过了，可是好几次都遇上有人问我，而后又表示前面那一章文字描写叙述太多，没有看懂云云……所以我准备再花一章的内容，用图的方式来讲一讲。
事实上要说到零如果，最早也还是由罗纳德·艾尔默·费希尔(Ronald Aylmer Fisher 1890~1962)爵士在他的《试验设计》一书中提出的，就是前两天说线性平均方向那个费希尔爵士，要说统计算法，以后他老人家会反复反复再反复的出如今我们的文章中。由于作为“现代统计学之父”的费希尔爵士，号称是“以一己之力独立创建了现代统计学的天才”（丹麦统计学家，统计学史的作者安德斯·哈尔德语）。
再贴一张这位老帅哥的相片：
零如果在统计里面，是用来干嘛的呢？
简单的说。零如果最早是为了解决瞎猜的问题。
看以下这个样例：
如今进入经典统计学里面的标准演示样例——丢硬币：
一个号称赌神的人，说他可以猜中丢出的硬币的正反。
如今来验证一下这个赌神是否名副事实上，然后我们来丢硬币。让这个赌神猜。那么假设仅仅丢三枚硬币的话。瞎猜也能蒙对12.5%。这可以说明赌神有猜中硬币的能力么？
为了证明（或者推翻）这个赌神确实有这个能力。所以就加大样本数量。比方：我们一次性丢出10枚硬币，例如以下：
10枚硬币，一共同拥有1024种组合，那么假设他是靠蒙得话。就仅仅有不到1%的可能猜对，而在这样的情况下，他还可以准确说对每一枚硬币的正反，那说明这个赌神的确有可能有猜中硬币正反的能力。
可是。是不是一定有呢？能不能消除瞎猜这个可能？继续加大硬币数量，比方扔出15枚硬币：
靠猜中的结果就变成了十万分之三了。可是无论你加多少硬币，都不可能把靠瞎蒙的机率减少到0。所以当这个机率下降到一定程度的时候，我们就说，已经拒绝了瞎猜的可能性，也就是拒绝了零如果。
费希尔爵士觉得，这个临界值就是5%，仅仅要是单纯靠瞎猜的成功率，超过了5%，那么就表示拒绝了零如果，而不须要达到1%甚至。
这个5%在各行各业中都在不断应用集成和发展。空间统计也是一样。
继续看样例。比方一个城市的犯罪事件，如果没有不论什么的附加条件，应该是这种：
也就是城市的每一个区域。他的犯罪率应该是同样的。
嗯当然也有可能是这样：
也就是说，在城市不论什么一个角落，都有可能发生案件。也有可能不发生。全然是随机的。
这与均匀分布不同的是，均匀分布是每一个角落都有且仅仅有一例（这是差点儿不可能的）。相对来说。随机发生的可能性就大非常多了，有可能这个区域一起都没有，也有可能连续发生好几起。
那么作为分析师，你首先要告诉我，拿到的这份数据是不是随机的，有没有随机的可能。
假设是随机的，就说明罪犯是无目的的犯罪，走哪逮哪，全然靠瞎蒙。
无目的的犯罪是最麻烦的，罪犯没有目的的瞎蒙。那么警察也仅仅能跟着瞎蒙……
为了不瞎蒙，就要先进行数据的探索和分析了。
首先。如果罪犯就是无目的的犯罪，如果可以推翻这个如果，自然就证明了罪犯是有目的的，这样才可以进一步进行分析。
这个如果罪犯是随机犯罪的过程，就是所谓的零如果。接下去计算这个零如果的可能性，也就是前面所过的p值和Z得分。如果符合真实的罪犯犯罪数据，与我们的如果有超过5%的重合可能，那么就真有可能这些罪犯的作案过程就真有可能是随机的。
步骤例如以下：
那么怎样判定是否拒绝了零如果呢？这份数据是否随机呢？请回头去看把话空间统计第四章：P值和Z得分。
最后，总结一句话：我们做的全部计算，最后的目的就是为了推翻零如果，零如果的存在，就是为了让我们去拒绝的。
（看到这里。想到老夫就像零如果……被无数女生拒绝……遂有感而发）。
