2020年双十一成交额是多少

今年双十一主题活动即将来临，坚信大伙儿是不是能更新上年的成交量，今年双十一阿里巴巴汇报了天猫双十一的24小时销售总额：2684亿。这一数据引起了一场有关应用统计学的趣味争吵。

一位叫尹立庆的新浪微博网民，在今年四月二十四日发过一个贴，根据线性拟合2009-2018的双十一天猫数据，因为拟合程度达到99.94%，他觉得淘宝网是在按公式计算伪造交易量数据信息。而且他还预测分析，天猫商城今年双十一成交量为2675.37亿(二次线性拟合)或是2689亿(三次线性拟合)。最后出去的数据信息是2684亿，与他预测分析的2689亿十分贴近。

这一精确的提早预测分析引起了许多人的关心，很多人的确坚信淘宝网是在凑成交量，要不然怎么可能那么准?

很多人翻出了这一神预测，暗示着阿里巴巴数据作假被抓现行标准。这引起了一场事件，很多人到传，阿里巴巴双十一市场销售数据作假。尹立庆在微博上的原贴早已被删掉，可是在网上截屏還是许多。

天猫商城的媒体公关责任人也发过申明，反驳了作假的叫法。

12日夜间，天猫商城再一次出文答复称，今早到现在，这则用心图文化艺术设计方案的预测分析刚开始被有意散播、已就这则谣传起动司法部门步骤。可能尹立庆删新浪微博是感觉不太正确了。可是我觉得天猫商城沒有从数学课上表述这种疑惑。

究竟阿里巴巴是否有对双十一天猫商城交易量数据造假?要是没有作假，为何统计分析线性拟合这般精确，尹立庆提早大半年的预测分析又这般精确?大家来介绍一下有关的专业知识。

最先说一下，这一预测分析涉及到的二次线性拟合或是三次线性拟合不用算量，实际上是Excel等数据信息表格软件的作用。因此，不用开展深奥的数学课逻辑推理和测算，会用Excel简易地制作表格就可以了。

最先是数据库，这个是有公布数据信息的，沒有异议：

随后，对这多列数据信息制一个散点图表：

随后是二次和三次多项式拟合曲线图。

尹立庆的重要预测分析是下边这幅图：

之上这好多个图全是取自尹立庆发的文章内容。我们要解释一下，预测分析里的二次、三次多项式拟合，及其R-squared是什么含意。无需急着去掌握定义，看下面的操作步骤当然就懂了。

自己用Excel能够拷贝这一二次线性拟合，截屏以下：

这一便是将年代与成交量多列数据信息，制成一个散点图表。随后电脑鼠标点在一个数据信息点上，便会出去一个移动平均线的选择项。再把移动平均线挑选成代数式，选2次代数式。再让数据图表上显示信息公式计算、R平方值，左侧的拟合曲线图就全自动出来。

实际上用国产免费手机软件WPS里边的报表，也一样能够作出这类移动平均线的方程组。为适用国产操作系统，大家用WPS来做。不会太难探索出用WPS怎样转化成移动平均线和方程组。

图中是WPS转化成的2009-今年十一的成交量数据信息的拟合曲线，能够看得出，WPS和Excel转化成的二次线性拟合方程组主要参数是一样的。

得到的线性拟合方程组是一个二次的代数式:

y= 30.237xx - 121529x 1E 08，

R平方 = 0.9996

这一R平方便是可决系数，越贴近1就越好，有一个公式计算来测算的，后边会表述。公式计算里的1E 08是科学计数法写的常数项，标值太大写下不来，是一个数据。看来拟合曲线得非常好，可是为何常数项都大到不出了?嘿嘿，由于这一手机软件，把2009-2019作为标值，换句话说x的赋值是2009到2019。它不清楚是年代，也把这个线性拟合做出来。

大家弄聪明点，把年代用0-10意味着，2009便是第0年，2019便是第十年，一样把数据图表和线性拟合方程组做出去。用0刚开始的益处，是能够立即获得线性拟合的初始值，实际上用1-11也类似。

这一方程组就许多了：

y= 30.237xx - 35.064x 7.3632，

R平方 = 0.9996

大家把x = 10代进来算，获得的是：

30.237* 10 * 10 - 35.064 * 10 7.3632 = 2680.423

这一标值非常贴近今年天猫商城的具体成交量2684亿。画在图上那么点差别压根看不出，点的管理中心就在移动平均线上。看起来线性拟合得很好，真是太漂亮了，天猫商城这十一怎么可能交易量得那么准呢?

到此大家能看出去，说白了的二次多项式拟合，便是用一个方程组：

Y =A * xx B * x C

去线性拟合一系列x值相匹配的初始y值，偏差越低越好，拟合程度越贴近1就越好。这一拟合程度，便是用R平方来意味着的。

大家再把R平方的界定解释一下，

R平方 = 1 - SSE/SST

SSE便是和标准差，每一个点的拟合值与具体值有一个偏差，对它平方米，全部点的偏差平方米加起來，便是SSE。随后全部点初始y值，和均值有一个误差，对这一误差平方米，全部点的误差平方米求和，就获得了SST，是个很大的数。不明白没事儿，大家用下边的报表来表述。

第一列年代0-10便是公式计算里的x值，各自相匹配2009-今年。第二列便是具体的y值，是每一年新闻报道给出的天猫商城成交量。这种具体交易量值，有一个均值890.35。拟合值，便是用公式计算y = 30.237xx - 35.064x 7.3632算出去的每一年的值。偏差，便是用具体交易量值减掉线性拟合的值。

这一表有与上一图并列的，分离看来得清晰一些。偏差平方米便是对前边获得的误差开展平方米。全部的偏差平方米求和，便是偏差平方和SSE，相当于3183.18。

每一年的具体交易量值，和均值890.35求出一个差别。随后对每一个值平方米，再求饶。获得了平均值差平方和SST，标值非常大是8647639.7。

随后就可以获得可决系数R平方，是 1 - 3183.18/8647639.7 = 0.9996。这一值就恰好和WPS转化成的R平方值相同。

看这个报表，大家就忽然发现，这一线性拟合的奇妙感好像降低了。你看看第一年0.5的值，拟合值7.3632确是它的十几倍。第二年的拟合值2.5362，乃至不上第一年拟合值的一半。假如第二年销售业绩是这一鬼样，马云爸爸得把天猫商城责任人就地免职。可是画成图，由于肯定座标的关联，初期非常大的线性拟合偏差，与之后非常大的交易量值对比看起来不大，画出去看起来线性拟合得非常好。

大家发觉，越发初期的小数据信息，偏差相对性越大。界定一个误差，是误差除于固定资产原值乘于100%。头四年的偏差吓人的大，高的有1372%和72.9%，第四年差别依然达到8.74%。后边伴随着固定资产原值的慢慢的大，误差就慢慢减少，仅有0.2%、0.1%了。

换句话说，这一线性拟合的窍门是：留意把每一个点的偏差的平方根弄得小一些，顾头不顾腚，顾大不管不顾小。最终绘制图来，由于座标要跟较为大的标值的限度，前边很大的相对偏差就缩起来看不到了。

另一点要留意的，不必封建迷信哪个R平方值，认为多么的贴近1啊，真奇妙啊。比如图中，假定今年天猫商城成交量并不是2684亿，只是跑到一个很歪的3000亿来到。那麼大家新做一个二次多项式拟合，得到的R平方值依然有0.9952，還是非常贴近1。从图上看出去，后边两个点早已有点儿偏了，R平方值依然好看得很。这是由于这一R平方值，分母SST是个尤其大的数，怎么计算最终一直贴近于1。

尹立庆的预测分析偶然取决于，他对今年的预测分析恰好遇上这一年天猫商城的提高是平淡无奇的25.7%。二次多项式拟合的估计值2675，预估提高是25.3%，恰好相距并不大。天猫商城今年交易量提高25%，这一并不怪异，许多人随意说个判断力也可能是这一数。

但并并不是每一年都这般，实际上天猫商城的年增长率也有过出现异常。

看图中天猫商城往年的年增长率，前边年增长率高，后边年增长率慢慢下降，由于经营规模变大年增长率下挫一切正常。可是17年提高了39%，高过二零一六年的32%，这是一个数据信息出现异常。

假定我们在二零一六年，见到八年的交易量数据信息，搞了一个二次线性拟合，結果会是怎样?

大家用八个点，一样获得了一个非常好看的拟合曲线!R平方值也是0.9985，非常贴近于1。方程组是：

y= 28.571xx - 25.295x 0.1558

假如用这一二次多项式方程组，去算17年的值，会是：

y=28.571*8*8- 25.295*8 0.1558 = 1626.34

17年的具体成交量是1682亿，差了50多亿元，就沒有今年只差上亿那麼神了。

趣味的是，这一公式计算对17年的预测分析年增长率是34.74%，也高过去年的32.35%。这是由于，2014、2015、2016三年的年增长率分别是63%、59%、32%。这一32%降得有点儿多，在下一年就补回家一些。例如天猫商城营销团队觉得，二零一六年年增长率不尽人意，要多想招，17年的年增长率就搞来到39.35%，使力过多，类比合预测分析的也要高了。

使我们看来八个点和11点获得的2个二次多项式拟合方程组：

2009-2016：y = 28.571xx -25.295x 0.1558

2009-2019：y = 30.237xx -35.064x 7.3632

留意，这两个方程组相匹配的三个指数，差别早已十分变大。即使马云爸爸有一个按公式计算控制天猫商城每一年双十一成交量的邪惡方案，大家也搞不懂他最开始设计方案的二次方程指数是怎样的。

因此，要不马云爸爸沒有控制天猫双11成交量的数学方程，要不马云爸爸在动态性调整预测分析交易量的方程组。不大可能在某年就把这种指数定去世了。

实际上，马云爸爸在动态性调整预测分析交易量的方程组，这一倒是贴近真相了。原本做买卖就这样的，上一年提高够高了，下一年的提高每日任务就轻一点，以防各种各样配套设施无法跟上;上一年提高感觉低了，下一年就多勤奋做高，以防销售业绩提高不好看。可是都动态性到了，本就无可非议，是别人在搞标值化管理方法，谁管得着?

等标值都出来，再去回过头把二次多项式的指数线性拟合出去，我们可以发觉，非常容易就线性拟合得非常好，并且R平方相关系数r能够做得很美。必要条件是，这一系列数据信息年增长率要较为大，早期的数据信息较为小，中后期的标值大，就可以仅用二次多项式作出一个好看曲线图了。

假如年增长率变化有点儿大，那就需要用三次、四次代数式了。但基本原理是一样的，就已不剖析了。

总而言之，不要相信线性拟合的奇妙，也不要相信拟合程度贴近1的奇妙实际效果。这一在数学统计里，确实很平时。对搞过数据统计分析的人而言，它是最平时的方式，封建迷信线性拟合简直少见多怪，总是被内行人笑破肚皮。

这还仅仅二次多项式三个指数的线性拟合。如果用深度神经网络那几百万个指数来线性拟合，結果能够好看得让一些传统式研发人员开始怀疑人生，继而去搞深度学习。

最终，贴个經典线性拟合搞笑图：小象。网络喷子看一下，公式线性拟合的杀伤力有多大。这就是冯诺依曼说的，用四个主要参数我能线性拟合出一头大象，而用五个主要参数我能让它的鼻部晃。