先來看一下2023年人口普查，也是第七次人口普查的男女性別比例資料，是目前最新的資料了。這裡性別比，女性基數是100，例如：20 ~ 24這個區間，性別比是114.61，也就是說，114.6個男性對應100個女性。
可以看出，男女數量差異比較明顯，但是在這個人口基數大國中，這個差異得以放大。那麼，這個性別數量差異是怎麼造成的呢？我們繼續**。
故事一
以前在農村重男輕女現象比較嚴重，我村里一戶人家想要乙個男孩，結果接連生了5胎，都是女孩。人生就是這樣的倔強，也需要頑強，有時候你不堅持一下，你都不知道什麼叫絕望。
故事二
午飯後跟我的程式設計師同事們，在軟體園散步，聊到找物件的問題，進而深入到當下國內，男多女少的這個高深問題，他們給出的觀點是：重男輕女的思想的產物，如果第一胎是男孩就不要二胎了；如果第一胎是女孩，繼續二胎，直到男孩為止。
上面兩個觀點，本質上都是一種，以為可以通過毅力和堅持，獲得想要的男孩，即人為控制初生兒的男女性別，這自然是不行的。
這就跟拋硬幣一樣，正反面的概率都是50%，如果你只想要正面，拋到反面就不放棄，貴在堅持，一直拋，恭喜你，你會發現乙個規律，正反面概率都接近50%。
從生物學上來說，女性只產生x染色體，男性產生x、y兩種染色體，xx(女性)，xy(男性)，即理論上來說，生男生女概率都是1/2。這就解釋了用拋硬幣實驗來模擬的合理性。
但是，我們都知道再小的概率都有可能發生，更何況是50%的概率呢，生兩胎確實增加了男孩兒的概率。讓你投籃，給你一次機會，和給你2次機會，自然是選擇兩次機會，投中的勝算大一些嘛！所以故事一中的行為，就是通過多次行為，加大獲得男孩的概率。再比如，賭徒輸了很多，仍然不願意離開賭場；你買諾安**虧了好多，仍然不願意離開；因為你相信你還有機會，都是這個道理。
這些都是賭博的行為，但是我們要相信科學，要相信真理。
就算一次生育行為可以用拋硬幣來解釋，那麼每年那麼多生育行為整體概率都是50%嗎，我相信大數定律可以解決這個問題了。
設x1,x2,...,xn是獨立同分布的隨機變數，記它們的公共均值為μ。又設它們的方差存在並記為σ2。則對任意給定的ε>0，有
大數定律從理論上是可以解釋多次生育行為中，生男生女的概率是大致相同的，即男女數量應該大致相等。
下面，我們用電腦程式來模擬。
實驗分析
用random模組生成區間[0,1)之間的隨機數，如果生成的數小於0.5，就記為硬幣正面朝上，否則記為硬幣反面朝上。由於random.random()生成的數可以看做是服從區間[0,1)上的均勻分布，所以以0.5為界限，隨機生成的數中大於0.5或小於0.5的概率應該是相同的(相當於硬幣是均勻的)。這樣就用隨機數模擬出了實際的拋硬幣試驗。理論上試驗次數越多(即拋硬幣的次數越多)，正反面出現的次數之比越接近於1(也就是說正反面各佔一半)。
橫軸是試驗次數，縱軸是正反面出現次數的比值。
隨著實驗次數的增加，正反面出現次數之比越來越接近於1。
那麼問題來了，微觀來來看，生男生女概率是50%，巨集觀上來看，生男生女概率也是50%，為什麼男女數量有微小差異？
下面再看個故事。
乙個家庭裡重男輕女的觀念，多是體現在媳婦剛剛懷孕的時候。每到這個時候，一些迫切想要孫子的爺爺或奶奶，就會在口中念叨著「大孫子、寶貝金孫」......一些明顯帶有性別歧視的詞語。接著，他們就會想方設法的讓懷孕的兒媳去進行胎兒性別鑑定，一旦鑑別腹中胎兒非男性，就會強制性的要求兒媳做人工流產。
到這裡，為什麼生男生女概率一樣，男女數量有微小差異的原因呢？相比大家心裡都有答案了，有些事情真相真的讓人細思極恐。
CMOS與BIOS一樣嗎
vcmos是互補金屬氧化物半導體的縮寫。其本意是指製造大規模積體電路晶元用的一種技術或用這種技術製造出來的晶元。在這裡通常是指微機主機板上的一塊可讀寫的ram晶元。它儲存了微機系統的實時鐘資訊和硬體配置資訊等，共計128個位元組。系統在加電引導機器時，要讀取cmos資訊，用來初始化機器各個部件的狀態...
define與typedef一樣嗎？
1.define是什麼？define為一巨集定義語句，通常用它來定義常量 包括無參量與帶參量 以及用來實現那些 貌似簡單 實際複雜 的巨集。define並不在編譯過程中進行，而是在這之前 預處理過程 就已經完成了，實際上是簡單的替代。類似於word中的查詢且替代的操作。由於只是簡單的替代，因此難以發...
BI跟報表一樣嗎
一 報表 bi 很多的人認為，報表就是bi。實際上，報表只是bi的一部分，雖然bi應用的結果通常需要通過報表來展示，但是，bi絕對不僅僅是報表。其實，大家對這些概念的理解，如同15年前的erp一樣。1998年，國內兩大巨頭金蝶與用友都開始宣稱從財務軟體進入erp領域，於是，erp才逐漸為世人所知，e...