随机变量就是：观察到的各个年龄段观众的比例。

数学期望值就是：真实情况下所有看电影观众中不同年龄段的比例。

当我们把样本数据带入后，大致可以得出以下结论。

15岁以下观众占20%，16~25岁占27%，26~40岁占24%，40岁以上占29%，误差小于5%。

但如果我们要将四个年龄段观众的准确率，提高到小数点后一位数，那么我们大致需要10倍的数据，即两万个左右的样本。

如果我们把这个问题放大。

我们想知道一部电影在全世界的观影人群年龄分布，而且必须具体到更细致的年龄段人数。

比如18~20岁，21~24岁等等。

又或者更具体的地域。

华夏、东瀛、南韩等等。

在一个更大，更详细的范围内，为了获得更准确的结果，莪们需要的数据量，将千百倍的提升。

当我们获得了超级数据。

普通的计算机已经很难完成计算。

而且就算能完成，也需要大量的时间。

时间就是金钱，在商业上，这显然是不可接受的。

因此。

为了尽可能在短时间内得到结果，我们要一台或几台超级计算机来计算。

但动用超级计算机的费用非常昂贵。

想要了解电影院观众年龄的企业，显然不愿意在这个问题上花费这么大的代价。

那么怎么办呢？”

徐良操作了一下电脑。

背后的投影屏上显示出三个硕大的楷体。

云计算。

“云计算，‘云’就是互联网，‘计算’则是字面意思。

目前的云计算是一种分布式计算，指的是通过网络“云”，将巨大的数据计算处理程序，分解成无数个小程序。

然后，通过多部服务器组成的系统，进行处理和分析这些小程序，得到结果后返回给用户。

整个计算过程只需要几秒钟。

也就是说，云计算把一个原本需要动用超级计算机，需要几天，甚至十几天时间才能计算出来的问题。

变成了只需要几秒钟，花费几万块，最多十几万块便能得出的准确数据。

大大减少了支出，提高了效率，得到了更准确的结果。

也许有人觉得统计电影观众年龄分布，没什么太大的价值。

但如果变成一家餐饮企业统计饮料产品的受众年龄分布呢？

只要有了准确的数据，餐饮企业就可以针对不同年龄段人群，开发更有针对性的广告和服务，从而提升自己的销量。

这一点已经被康师傅公司运用到了实际的经营中。

根据盘古公司大数据调查，康师傅公司发现旗下‘健力宝’运动饮料产品最大的受众是15岁~25岁之间的青少年人群。

其中男性占比41%，女性占比59%。

然后又通过线下抽样调查，网上问卷调查等多个渠道得出数据，并用数据驱动的方法，计算出这部分人群感兴趣的明星，