背景介紹：生活的真諦是什么？是從每個人自己不同愛好、不同擅長、不同的品味中，感受對于生活的獨特理解和個性化發(fā)現(xiàn)。所謂賭徒的生活的真諦就是下注時的快感；作家的生活的真諦就是用文學(xué)作品解剖生活；數(shù)學(xué)家生活的真諦就是探索和欣賞數(shù)學(xué)里的奧秘；舞女的生活真諦就是在燈紅酒綠中體會人性的另一面；萬法歸宗呀，蕓蕓眾生只有看問題的角度不同，沒有絕對的對錯和高低。就象本文即將分享的一個用數(shù)據(jù)分析方法部分解密《紅樓夢》的前后作者一樣，《紅樓夢》后40回作者到底是曹雪芹還是另有其人？這個論題作為紅學(xué)研究最熱烈的話題當(dāng)然并不是完全可以用純粹的數(shù)學(xué)推理來解決的，但是這里分享的數(shù)學(xué)分析方法和思路，卻是實實在在可以讓有緣之人當(dāng)作休閑的小食，不求充饑，但求有趣，從不同的角度和不同的視線觀察生活，就是人生的好享受。

2007年10月10日南京“現(xiàn)代快報”報道，南京林業(yè)大學(xué)湯庚國教授另辟鼷徑，從海棠文化出發(fā)，分析《紅樓夢》前80回與后40回的差異。湯教授主要從人文花卉方面進行分析，發(fā)現(xiàn)《紅樓夢》前80回有16回涉及海棠，而后40回只有4回涉及海棠，以此說明前后差距明顯。受湯教授的啟發(fā)，東南大學(xué)數(shù)學(xué)系的韋博成先生（博導(dǎo)）從數(shù)學(xué)統(tǒng)計的專業(yè)角度對湯先生的發(fā)現(xiàn)進行數(shù)學(xué)證明，通過兩個獨立二項總體等價性檢驗，經(jīng)過漸近正態(tài)公式計算，有92%的把握認(rèn)為“前80回對于海棠花的關(guān)注程度大于后40回對于海棠花的關(guān)注程度”。根據(jù)該統(tǒng)計方法，韋博成先生再接再厲，對于《紅樓夢》中的若干重要的情景描述進行量化，得到相應(yīng)的數(shù)據(jù)集。有了數(shù)據(jù)集就可以進行數(shù)理統(tǒng)計分析，比較前80回與后40回在文風(fēng)上的差異，結(jié)果表明，《紅樓夢》前80回與后40回在某些重要的情景描述上確實有非常顯著的差異。研究者韋博成先生再三再四強調(diào)，他只是從數(shù)據(jù)分析的角度指出兩者的差異，尚不能說明《紅樓夢》前80回與后40回作者的不同，因為“這涉及到許多人文與社會方面的問題，這是數(shù)理統(tǒng)計方法所無能為力的�！�

本數(shù)據(jù)分析的目的：用數(shù)理統(tǒng)計的方法（具體來說是兩個獨立二項總體等價性檢驗）來分析《紅樓夢》前80回與后40回在幾個重要的情景指標(biāo)（包括飲食描寫、醫(yī)藥描寫、詩詞描寫、花卉描寫、樹木描寫，這里“描寫”主要指出現(xiàn)的頻率）的差異，并據(jù)此反映的文風(fēng)來判斷《紅樓夢》前后兩大部分的差異的顯著性。至于這種顯著性是否能推導(dǎo)出作者的不同，并不是本研究的目的，說白了，本數(shù)據(jù)分析研究只是數(shù)學(xué)愛好者借助自己對數(shù)學(xué)的愛好，表達對生活的有趣看法，娛自己娛他人，僅此而已，讀者不應(yīng)求全責(zé)備！

本數(shù)據(jù)分析的數(shù)據(jù)準(zhǔn)備：研究時收集的各個情景指標(biāo)的數(shù)據(jù)，所采用的《紅樓夢》書稿來自北極星書庫，研究者將十回放一個文件，共生成12個word文件。對于書稿中有關(guān)花卉、樹木、飲食、醫(yī)藥、詩詞等方面的內(nèi)容，采用人工查閱與關(guān)鍵詞搜索相結(jié)合的方法，以人工查閱為主，最后列表給出每一回涉及的上述五個指標(biāo)的出現(xiàn)頻數(shù)。另外，本研究特別注意“偽數(shù)據(jù)”的刪除。比如統(tǒng)計作者對于花卉的描述頻數(shù)，但是書中也有一些“偽數(shù)據(jù)”（雖然也是花卉，但是與情景無關(guān)，比如梅花糕、桃花廟、海棠紅的棉襖等等，這些所謂的花卉并不是本研究所要記錄的，所以是“偽數(shù)據(jù)”，這些數(shù)據(jù)是不計入本研究統(tǒng)計資料的。

分析思路：在《紅樓夢》中，對于許多情景都是有非常深入的刻畫和描寫的，比如飲食描寫，全書有40余回涉及到飲食文化的方方面面。本研究不考慮人文社會方面的問題，致力于數(shù)據(jù)分析統(tǒng)計，應(yīng)用數(shù)理統(tǒng)計方法研究前80回和后40回的文風(fēng)上的差異。以飲食為例，《紅樓夢》前80回有34回涉及飲食方面的描寫，后40回有8回涉及飲食描寫，根據(jù)這個數(shù)據(jù)，作者考慮以下等價性假設(shè)檢驗問題。原假設(shè)H0：“前80回與后40回對于飲食描寫的關(guān)注程度相同。”； 對立假設(shè)H1：“前80回對于飲食描寫的關(guān)注程度大于后40回對飲食描寫的關(guān)注程度。” 通過Fisher精確條件檢驗或者漸進正態(tài)檢驗，可以發(fā)現(xiàn)上述哪個假設(shè)更加有理由有把握是真的。

分析的結(jié)論：研究表明，飲食和花卉的顯著性最高，即有充分的理由（99%）認(rèn)為，前80回與后40回在飲食與花卉的描述上有明顯的差異，其判錯的概率不到1%；對于醫(yī)藥、樹木、這兩個指標(biāo)，有90%的把握認(rèn)為，前80回與后40回在這些指標(biāo)的描述上是有差異的；不過，對于詩詞的描述，并沒有充分的理由發(fā)現(xiàn)前80回與后40回的差異。

[數(shù)據(jù)挖掘分析《紅樓夢》]