
Google广告宣称满月影响棒球数据,被批统计样本过小
来源标题:The Full Moon Myth Takes the Field
Google在World Series期间投放的"Gemini with Google Cloud"广告中声称满月会改变棒球统计数据,但这一说法缺乏依据。文章指出,该广告是小数统计的典型案例,多项研究早已否定满月与急诊就诊、犯罪等事件存在关联。由于广告内容在截断处中断,其具体三项说法未能完整呈现。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
Google 关于棒球满月效应的广告,是小样本统计的一个典型案例
人们热爱满月。过去几十年来,“超级月亮”一词侵入了大众语汇(尽管它只比其他满月略大一点),还有许多其他带“月”字的夸张说法。“蓝月”已经存在了一段时间,“收获月”也是,但媒体上还冒出了许多别的月亮。(能不能拜托大家就说“月食”,别再说“血月”了?)
在与月亮相关的话题中,有一种信念长期存在——某些事件或趋势在满月期间更可能发生。或许,满月会改变行为,或者满月期间事故更多、急诊就诊更多、犯罪更多,等等。这被称为“满月迷思”,而正如你从标题里的“迷思”一词可以猜到,它背后根本没有任何实际数据或证据。
不存在“月亮癫狂”(Rotton and Kelly 1985),急诊就诊也没有增加(VanMeter et al. 2024)。2009 年《科学美国人》的这篇文章是了解其他不存在的满月关联的好参考。
Google 在世界大赛期间投放了一则“Gemini with Google Cloud”广告,其中提出了 3 个关于满月期间统计数据变化的可疑说法。它们全都是误差棒很大的小样本统计的例子,而分析一年以上的数据(我用了 1900–2025 年)表明,满月的任何效应都是虚假的。
我这篇文章的初版使用了错误的 UTC 时间来确定月相,可能偏移了不到一天。7 月 2 日 UTC 午夜是 7 月 1 日的傍晚,而我是按日期做连接的。我已将其更新为使用 UTC 21:00,即美国东部夏令时下午 5 点。这在夜场比赛和日场比赛之间取了折中,尽管 20 世纪初夜场比赛较少(而且没有夏令时),但我不打算去考虑这一点。
我进一步思考了“满月”到底意味着什么,并补充了关于什么才是合适定义的讨论。
那么,带着满月迷思这个背景,你可以想象我在看世界大赛第一场时看到这则 Google Gemini / Cloud 广告时的反应:
广告以一个问题开场:“满月能激发出比赛狂野的一面吗?”嗯,“Gemini on Google Cloud”研究了一下!¹ 这则广告对 2025 年 MLB 赛季提出了以下说法:
我几乎是一看到广告就立刻在 Blue Sky 上发了帖:
Google Cloud 的广告刚刚是不是声称满月会改变棒球统计数据?这……太离谱了,现在我得把月相数据和棒球数据连接起来,证明这是一派胡言。
我知道有一项研究曾显示事故与月亮存在相关性,但那只是因为月亮恰好与周末重合。
虽然我在 Bluesky 的帖子串里发了一些初步结果,但我会在这篇文章中总结并扩展我的发现。³
Retrosheet⁴ 有两个文件可供我分析使用。gameinfo.csv 文件包含每场比赛的最终比分和统计,teamstats.csv 则每场比赛有 2 行(每队一行,有时更多),包含每局得分(我需要用它来检验“后段局逆转”这一说法)。
“450+ 支本垒打”这一说法需要本垒打数据,所以我转向了 Baseball Savant 的 Statcast 数据。与可追溯至 19 世纪的 Retrosheet 不同,Statcast 数据只能追溯到 2008 年⁵。
下面大多数代码块都是在调用我自己写的自定义函数,所有函数定义见文末的代码部分。
关于月相数据,我在 JPL Horizons Systems 为月球创建了一份每日星历表。这些不是 CSV 文件,而更像是固定宽度的数据文件,带有非标准的表头和表尾,所以我用 BBEdit 手动删除了这些多余的行,再用 pandas 的 read_table 读取。
在这篇文章的初版中,我只是用 > 99% 的照亮比例作为满月的定义。任何 phase > .99 的日期都算作满月比赛。但这是一条正弦曲线——月亮连续 2 天 > 99% 并不罕见。
严格意义上的满月定义,即每个峰值只有 1 天(使用局部最大值),意味着 2025 年只有 83 场比赛是在满月下进行的,对应以下 7 个日期:
使用 > 99% 照亮比例的标准,会再增加 6 个“满月”,列在下面,几乎使 2025 年“满月比赛”的数量翻倍,达到 161 场。
我认为 Google 最可能使用的是“严格”定义的数据,所以我自初版文章以来重做了计算,现在只使用“局部最大值”满月,并按 UTC 21:00 连接。
这是广告中的第二个说法,但它最容易分析,所以我先来讲它。实际上我发现 2025 年的增幅与 25% 略有不同。
如上所述,2025 年有 83 场比赛在满月下进行,2395 场比赛没有满月。满月期间 7+ 分大胜的总数是 15 场。
from baseball import ( make_one_df_range, make_fake_phase, get_merged_data, make_phase_bin_data, clean_name, make_fake_vs_real_full_moons, find_col, make_moon, make_table, ) import pandas as pd import polars as pl import plotly.express as px merged = get_merged_data() make_one_df_range( merged.filter(pl.col('season').eq(2025)), stat='large_victory', range_size=1, max_full_moon=True, ).pipe(make_table, 'large_victory') 大胜满月统计 月亮状态 大胜率 大胜率误差 比赛数 大胜场数 False 14.15% 1.40% 2395 339 True 18.07% 8.28% 83 15 h_{\bullet} = \frac{339}{2395} = 0.14
由于 2025 年满月下进行的比赛数量很少,而大胜又很罕见,27% 的增幅的误差棒是……± 59%。这也是精心挑选的结果,因为在 5+ 分和 9+ 分时效应是负的。
blowouts_2025 = pd.concat([ make_phase_bin_data( merged.filter(pl.col('season').eq(2025)), phase_range=[99], range_size=2, stat='large_victory', threshold=threshold, )[['ratio', 'ratio_error']].assign(pct_increase=pd.col('ratio') - 1, threshold=threshold) for threshold in range(5, 11) ]) fig = px.bar(
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。