染雾背景介绍：生活的真谛是什么？是从每个人自己不同爱好、不同擅长、不同的品味中，感受对于生活的独特理解和个性化发现。所谓赌徒的生活的真谛就是下注时的快感；作家的生活的真谛就是用文学作品解剖生活；数学家生活的真谛就是探索和欣赏数学里的奥秘；舞女的生活真谛就是在灯红酒绿中体会人性的另一面；万法归宗呀，芸芸众生只有看问题的角度不同，没有绝对的对错和高低。就象本文即将分享的一个用数据分析方法部分解密《红楼梦》的前后作者一样，《红楼梦》后40回作者到
2007年10月10日南京“现代快报”报道，南京林业大学汤庚国教授另辟鼷径，从海棠文化出发，分析《红楼梦》前80回与后40回的差异。汤教授主要从人文花卉方面进行分析，发现《红楼梦》前80回有16回涉及海棠，而后40回只有4回涉及海棠，以此说明前后差距明显。受汤教授的启发，东南大学数学系的韦博成先生（博导）从数学统计的专业角度对汤先生的发现进行数学证明，通过两个独立二项总体等价性检验，经过渐近正态公式计算，有92%的把握认为“前80回对于海棠花的关注程度大于后40回对于海棠花的关注程度”。根据该统计方法，韦博成先生再接再厉，对于《红楼梦》中的若干重要的情景描述进行量化，得到相应的数据集。有了数据集就可以进行数理统计分析，比较前80回与后40回在文风上的差异，结果表明，《红楼梦》前80回与后40回在某些重要的情景描述上确实有非常显著的差异。研究者韦博成先生再三再四强调，他只是从数据分析的角度指出两者的差异，尚不能说明《红楼梦》前80回与后40回作者的不同，因为“这涉及到许多人文与社会方面的问题，这是数理统计方法所无能为力的。”
本数据分析的目的：用数理统计的方法（具体来说是两个独立二项总体等价性检验）来分析《红楼梦》前80回与后40回在几个重要的情景指标（包括饮食描写、医药描写、诗词描写、花卉描写、树木描写，这里“描写”主要指出现的频率）的差异，并据此反映的文风来判断《红楼梦》前后两大部分的差异的显著性。至于这种显著性是否能推导出作者的不同，并不是本研究的目的，说白了，本数据分析研究只是数学爱好者借助自己对数学的爱好，表达对生活的有趣看法，娱自己娱他人，仅此而已，读者不应求全责备！
本数据分析的数据准备：研究时收集的各个情景指标的数据，所采用的《红楼梦》书稿来自北极星书库，研究者将十回放一个文件，共生成12个word文件。对于书稿中有关花卉、树木、饮食、医药、诗词等方面的内容，采用人工查阅与关键词搜索相结合的方法，以人工查阅为主，最后列表给出每一回涉及的上述五个指标的出现频数。另外，本研究特别注意“伪数据”的删除。比如统计作者对于花卉的描述频数，但是书中也有一些“伪数据”（虽然也是花卉，但是与情景无关，比如梅花糕、桃花庙、海棠红的棉袄等等，这些所谓的花卉并不是本研究所要记录的，所以是“伪数据”，这些数据是不计入本研究统计资料的。
分析思路：在《红楼梦》中，对于许多情景都是有非常深入的刻画和描写的，比如饮食描写，全书有40余回涉及到饮食文化的方方面面。本研究不考虑人文社会方面的问题，致力于数据分析统计，应用数理统计方法研究前80回和后40回的文风上的差异。以饮食为例，《红楼梦》前80回有34回涉及饮食方面的描写，后40回有8回涉及饮食描写，根据这个数据，作者考虑以下等价性假设检验问题。原假设H0：“前80回与后40回对于饮食描写的关注程度相同。”； 对立假设H1：“前80回对于饮食描写的关注程度大于后40回对饮食描写的关注程度。” 通过Fisher精确条件检验或者渐进正态检验，可以发现上述哪个假设更加有理由有把握是真的。
分析的结论：研究表明，饮食和花卉的显著性最高，即有充分的理由（99%）认为，前80回与后40回在饮食与花卉的描述上有明显的差异，其判错的概率不到1%；对于医药、树木、这两个指标，有90%的把握认为，前80回与后40回在这些指标的描述上是有差异的；不过，对于诗词的描述，并没有充分的理由发现前80回与后40回的差异。
[数据挖掘分析《红楼梦》]
