相对来说乌方更得慢但是更接近真相一些。
这是我写得两篇乌克兰战损分析的文章，第二篇是因为太多的人质疑UALosses的真实性，又专门补充的。其中大部分质疑者都是俄友，认为UALosses报的乌方死亡数值太低，而且认为Medusa报得俄方死亡太高。
以下是第二篇文章的一个很短的提要，下面是按照UALosses原始数据画出的周死亡人数图，我们把战役一标就一目了然，乌方报得战损与战役呈现周期关系，是高度吻合的，更不要说UALosses的第一大信源是俄方军事资金募集站http://lostarmour.info了。
本文的统计地图也能看出UALosses还把乌军非战斗减员也算进去了，理由是根本不是前线的地区也有人员死亡。
还有一个角度去看待这个数据，我们可以打印一张频数直方图：
整个统计区间一共132个周，我们可以看到，的确大部分的周分布不在了200-500这个区间内（91.67%），但这并不代表UALosses数据造假，反而向大家揭示了，目前俄乌战争的烈度对乌军造成的可确认姓名的损失的均值大约在350人/周左右。
因为，如果是使用随机数造假的话，那么现代计算机程序中的随机数程序都是伪随机，一般会选择在给定的范围内呈现均匀分布（Uniform Distribution）或正态分布（高斯分布，Gauss Distribution），如果真的为了造假，那么也可能会选择Beta分布（Beta-Distribution），然后设置特定的α和β值【没错，笔者连怎么造假都知道，只是笔者不用】。
我们来依次看一下这些检验：
首先，均匀分布肯定不是，这么明显的山峰，说均匀分布的那只能说可能不知道均匀分布指的是什么，可以去自学一下概率论与数理统计。
然后，正态分布，有点像但不是，下面是三个常见的正态分布检验的结果：
Shapiro-Wilk Test:
Statistic: 0.8418465053884059, p-value: 1.3716808432679038e-10
夏皮罗-威尔克检验，p值小的几乎等于0，这表明拒绝了正态分布假设，数据不是正态分布。
D'Agostino's K-squared Test:
Statistic: 75.75765337465909, p-value: 3.543517555609304e-17
D'Agostino（一直没有官方翻译）卡方检验，p值更小，可以直接认为是0，这表明也拒绝了正态分布假设，数据不是正态分布。
Anderson-Darling Test:
Statistic: 4.083741203735116
Significance Level 15.0: Critical Value 0.56
Significance Level 10.0: Critical Value 0.638
Significance Level 5.0: Critical Value 0.765
Significance Level 2.5: Critical Value 0.892
Significance Level 1.0: Critical Value 1.061
安德森-达令检验，比所有的Critical Value都大，拒绝原假设，不是正态分布。
最后，Beta分布，由于Beta分布的参数有两个，看这个形状，有可能是α=2，β=5，标准化后测一下柯尔莫可洛夫-斯米洛夫检验：
Kolmogorov-Smirnov Test:
Statistic: 0.37275613686523096, p-value: 5.68132480011471e-17
可以直接认为是0，所以也是过不了，大家可以自行试试其他参数，反正是找不出来一个能让p大于0.05的。
所以，这个数据是随机生成的可能性很小。
但是又有明显的规律性，这是为什么呢？
因为变量太多，加上乌军的阵亡率一直在降低，所以这是一个多重混合分布，想要把这个分布用随机数写出来，那你恐怕得把一堆大学教授叫过来一起猜，一起试。
认为UALosses报少了还情有可原，因为毕竟谁也不能做到100%统计，但是认为造假，可就有点说不过去了。相比之下，反而是报俄方战损的Medusa，严谨到离谱，还统计出来了70000人，到底谁损失大，一目了然。