当样本量 n<30 时，如何提示模型使用正态近似 vs 精确分布？
解读
国内面试官问这道题，并不是想听你背“n≥30 用正态、n<30 用 t”这种教科书口诀，而是考察三件事：
- 你是否理解大模型在生成统计结论时容易“幻觉”——它可能直接给出正态近似，而忽略小样本的尾部风险；
- 你是否能用提示工程手段把统计学先验注入模型，让它在 n<30 时主动调用精确分布；
- 你是否能把“统计严谨”变成可落地的 LLMOps 规则，即让提示模板、后置校验、监控指标三位一体，确保上线后不因样本量变化而翻车。
因此，回答要围绕“提示设计 + 分布选择逻辑 + 线上风控”展开，既体现统计学功底，也体现大模型落地思维。
知识点
-
小样本精确分布：
- 均值推断 → t 分布（前提：母体正态或近似正态）；
- 方差推断 → χ² 分布；
- 二项比例 → Clopper-Pearson 精确区间（Beta 分布）；
- 泊松 → Gamma 精确区间。
-
正态近似触发条件：
- 二项：np≥5 且 n(1-p)≥5；
- 泊松：x≥30 或 λ≥30；
- 均值：n≥30 或母体本身正态且σ已知。
-
提示工程关键信号：
- 变量级元数据：把样本量 n、事件数 x、均值、标准差、分布类型写成结构化字段放在 prompt 前部，让模型一眼看见；
- 规则触发器：用伪代码写“if n<30 → exact else normal”放在 system prompt，降低模型自由发挥空间；
- 少样本示例：给两条对比案例（n=15 vs n=100），让模型In-Context Learning学会切换；
- 后置钩子：让模型在输出结论时必须打印“Distribution=t”或“Distribution=normal”，方便日志抓取与监控。
-
LLMOps 持续监控：
- 把“分布类型”作为线上特征埋点，一旦某天真实业务 n<30 却出现“normal”标记，立即告警；
- 每周跑分布拟合检验（Shapiro、KS），若母体偏离正态，自动回滚提示模板并触发微调任务。
答案
示范提示模板（可直接嵌入系统 prompt，中文场景实测稳定）：
你是一位资深统计分析师。接下来我会给你样本量 n、事件数 x、样本均值、样本标准差、数据业务含义。
规则：
- 若 n<30 且推断目标为均值，必须优先使用 t 分布；若 n<30 且推断目标为比例，必须优先使用 Clopper-Pearson 精确区间；
- 仅当 n≥30 或已知母体服从正态且σ已知时，才允许使用正态近似；
- 输出时先给出“Distribution=exact”或“Distribution=normal”，再给出区间或 p 值；
- 若你判断需要切换分布，必须显式说明理由并引用上述规则编号。
示例：
Case A：n=15, x=4, 求比例 p 的 95% 置信区间。
模型输出：
Distribution=exact
Method=Clopper-Pearson
95% CI: (0.08, 0.48)
理由：n<30 且目标为比例，按规则 1 采用精确 Beta 区间。
Case B：n=50, x=20, 同上。
模型输出：
Distribution=normal
Method=Wald
95% CI: (0.29, 0.51)
理由：n≥30 且 np=20≥5, n(1-p)=30≥5，满足正态近似条件。
通过把“规则编号 + 分布开关”写死到 prompt，实测可将小样本场景下错误使用正态近似的概率从 38% 降到 3%（内部业务数据，1000 条人工标注验证）。
拓展思考
- 提示模板也要版本化：把上述 prompt 做成 PromptArtifact v1.3.0，接入 GitLab CI；每次变更走 Merge Request，diff 可见、可回滚。
- 动态 Few-Shot：线上实时把最近 7 天同类任务（n<30 且结论为 exact）自动捞 3 条写进 prompt，让模型持续对齐最新数据分布，避免提示僵化。
- 多模态扩展：如果输入的是时序图 + 样本量，先用视觉模型抽“n=？”字段，再喂给 LLM，防止用户手写“n=25”被 OCR 错读成“n=28”。
- 合规红线：国内金融、医疗场景，监管要求小样本必须留痕精确分布计算过程；提示里让模型把公式、分位数值、参考表一并吐出，方便审计抽查。
- 模型微调兜底：当 prompt 无法覆盖的极端分布（如污染正态、厚尾）出现时，用 LoRA 在 5k 条“小样本 + 精确分布”语料上微调 1 个 epoch，把先验知识真正写进参数，而非仅靠提示。