小样本对单条变化更加敏感
阅读神圣计划短期记录时，比例跳动往往比想象中大。固定十条记录中，某类有五条，占比为百分之五十。若保持总量十条，把其中一条从其他类别改为该类，就变为六条，占比百分之六十，相差十个百分点。
在固定一百条记录中，五十条变为五十一条，占比从百分之五十变为百分之五十一，只变化一个百分点。这里讨论的是相同固定分母中的一条类别变化，不是新增一条记录；如果分母也增加，必须重新按实际数量计算。
同一过程也可能产生不同短段
即便观察规则没有改变，短段记录也可能呈现不同构成。一个示例窗口有十条，另一窗口也有十条，各自出现数量不同，并不奇怪。要判断差异是否值得进一步解释，需知道事件如何产生、观察是否独立，以及是否存在选择样本的行为。
不能因为两个短段不同，就立即归因为软件变化；也不能只用“随机”二字排除所有问题。来源中断、统计口径变化和重复记录，同样可能使比例跳动。先检查数据完整性，再讨论随机波动，顺序上更稳妥。
滚动窗口会重复使用记录
若每新增一条，就统计最近十条，前后两个窗口会共享九条。这样的曲线虽然更新频繁，但相邻点不是互相独立的十条新资料。持续上升的几格曲线，可能反映同一批记录在窗口中的进出，而不是许多次独立验证。
可以在笔记中标出每个窗口的起止标识，并保留进入和移出的那一条。这样看到比例变化时，能回到具体记录解释。与固定不重叠的十条分段相比，滚动统计回答的是不同问题，报告中应明确展示方式。
长样本也有自己的前提
增加记录数通常能减少单条记录对总体比例的影响，但不能自动解决偏差。如果一百条都来自同一错误来源，更多数据只会更稳定地重复错误。若记录是高度相关的重复采样，名义上的一百条也不等于一百份独立信息。
因此在扩大样本之前，先核对观察规则是否一致、缺失项如何处理、不同时间段是否发生环境变化。较大的样本也需要分段查看。把两个机制不同的时期合并，可能得到一个看似平稳、实际难以解释的平均数。
用固定问题约束观察过程
开始统计前，写下问题、窗口长度、起止条件和展示方式。例如“每二十条完整记录形成一组，全部保留，不因结果改变分组”。这让后续比较有共同基础，也减少只挑某一段图形解释的机会。
记录结论时，可以说某段的观察占比及样本数量，并列出与其他段的实际差额。除非完成了适当的模型与验证，不把短期差异直接称为未来优势。短样本有助于发现需要核对的线索，但稳定性需要更多完整且口径一致的证据。