2020国产成人精品视频,性做久久久久久久久,亚洲国产成人久久综合一区,亚洲影院天堂中文av色

分享

孩子,有時(shí)候并不是生活欺騙了你,而是你可能還不懂概率統(tǒng)計(jì)……

 汐鈺文藝范 2017-06-22

作者:Stephen Woodcock

翻譯:山寺小沙彌

審校:yangfz

數(shù)學(xué)是幫助我們理解一些模型的有用工具。然而,當(dāng)我們憑直覺去解釋這些模型的時(shí)候,往往會(huì)出現(xiàn)一些錯(cuò)誤。在本文中,我們將介紹我們常犯的一些錯(cuò)誤,以及如何在考慮統(tǒng)計(jì)數(shù)據(jù),概率和風(fēng)險(xiǎn)時(shí)避免這些錯(cuò)誤的出現(xiàn)。


生活中你經(jīng)常會(huì)看到一些新聞或者文章,它們宣稱某種事物或者某種行為,可以使人們活得更加健康,抑或者危害我們的身體,也許有的還宣稱利弊皆有。為什么看似嚴(yán)謹(jǐn)?shù)目茖W(xué)研究能產(chǎn)生相反的結(jié)論呢?

現(xiàn)如今,研究人員可以通過一些軟件隨時(shí)地分析數(shù)據(jù)并輸出復(fù)雜的統(tǒng)計(jì)測試結(jié)果。雖然這些軟件的功能很強(qiáng)大,但是它們同時(shí)也為那些對(duì)統(tǒng)計(jì)知識(shí)知之甚少的人打開了誤解之門,他們往往會(huì)不能正確理解數(shù)據(jù)之間的微妙關(guān)系,并得出錯(cuò)誤的結(jié)論。

以下是常見的謬誤和悖論,我們將進(jìn)行詳細(xì)的解釋,剖析它們是如何蒙蔽我們的雙眼從而得出錯(cuò)誤的結(jié)論的。

辛普森悖論


什么是辛普森悖論?

將不同組別的數(shù)據(jù)合并時(shí),會(huì)導(dǎo)致各組原本表現(xiàn)出來的某種規(guī)律消失,當(dāng)這種情況發(fā)生時(shí),合并之后呈現(xiàn)出的新規(guī)律甚至可能與每組的原本的規(guī)律相反。

舉個(gè)例子,某種治療手段在不同的組別里對(duì)患者的身體恢復(fù)是有害的,但是將所有組別的數(shù)據(jù)合并起來看,我們卻會(huì)發(fā)現(xiàn)它竟然對(duì)患者身體的恢復(fù)是有幫助的。

它是怎么發(fā)生的?

當(dāng)組成各組的成分差別較大的時(shí)候,就可能出現(xiàn)上述現(xiàn)象。如,對(duì)病人的數(shù)量進(jìn)行篩選,使得兩組試驗(yàn)中病人的組成差別很大(老人、小孩、成人的比例有很大的差別)時(shí),將數(shù)據(jù)簡單的合并之后就會(huì)得出這樣的結(jié)論:有害的治療變成了有益的治療。

例子

假設(shè)有一個(gè)雙盲試驗(yàn)(在雙盲試驗(yàn)中,受試驗(yàn)的對(duì)象及研究人員并不知道哪些對(duì)象屬于對(duì)照組,哪些屬于實(shí)驗(yàn)組),將患者分成兩組,每組有120人,但是兩組中患者的年齡結(jié)構(gòu)有很大的差異(第一組分為10人、20人、30人、60人,第二組分為60人、30人、20人、10人)。第一組的患者將接受治療,而第二組的患者不進(jìn)行治療。

總體結(jié)果表明,治療對(duì)患者是有益的,接受治療的患者的身體恢復(fù)率大于沒有接受治療的患者。

然而,當(dāng)你深入研究兩組中各個(gè)患者群體時(shí),你會(huì)發(fā)現(xiàn)在所有的患者群體中, 沒有接受治療的患者身體恢復(fù)率提高了。

我們注意到,每組中不同年齡的患者人數(shù)是不同的,甚至是差別很大的,這就是我們得出錯(cuò)誤結(jié)果的原因。在這種情況下, 如果簡單的將兩組數(shù)據(jù)合并,就容易得出錯(cuò)誤的結(jié)論。

基本比率謬誤


什么是基本比率謬誤?

當(dāng)我們判斷某個(gè)事件發(fā)生的可能性時(shí),如果我們忽略了重要信息,就會(huì)產(chǎn)生誤判。

例如,假如有一個(gè)人說他很喜歡音樂,我們可能認(rèn)為他是一個(gè)音樂家,不會(huì)考慮他也許是個(gè)會(huì)計(jì)師。然而,現(xiàn)實(shí)中,會(huì)計(jì)師的人數(shù)遠(yuǎn)大于音樂家的人數(shù)。我們太容易被一些條件影響(這個(gè)例子中的“喜歡音樂”),忽略基本比例,從而得出錯(cuò)誤的結(jié)論(這個(gè)例子中的“他是一個(gè)音樂家”)。

它是怎么發(fā)生的?

基本比例謬誤常常發(fā)生在當(dāng)一個(gè)選項(xiàng)的基數(shù)遠(yuǎn)大于另一個(gè)選項(xiàng)的基數(shù)時(shí)。

例子

假如有一種罕見疾病,患者在人群中只占4%。

此時(shí)有一種針對(duì)這種疾病的測試方法,但是它并不是很完美。如果有個(gè)人患有該疾病,但是這種測試方法只會(huì)告訴我們這個(gè)人的患病幾率為92%(也就是100個(gè)患者中,只有92個(gè)是診斷正確的)。如果這個(gè)人是健康的,那么該測試方法會(huì)告訴我們他有75%的健康幾率(也就說100健康的人中,只有75個(gè)是診斷正確的)。

如果我們對(duì)一個(gè)群體進(jìn)行測試,發(fā)現(xiàn)有1/4的人患病,我們可能會(huì)想,這些人也許真的病了。然而,事實(shí)并不是這樣。

根據(jù)我們的條件,在4%的患有該疾病的人群中,有92%的人可以被確診為患病(即總?cè)丝诘?.68%)。但在另外的96%的群體中,25%的人被誤診為患病(占總?cè)丝诘?4%)。

也就是說,被診斷為患有該病的27.68%的人群中,實(shí)際患病的幾率只有3.68%。所以說,對(duì)于被診斷為患病的人來說,實(shí)際上真正患病的人只占13.29%。

令人擔(dān)憂的是,世界上就有這樣的例子存在。在一項(xiàng)著名的研究中,醫(yī)生被要求進(jìn)行類似的計(jì)算, 通過乳腺的X光圖像告知某人是否患病, 只有15% 的正確率。

威爾·羅杰斯悖論


什么是威爾·羅杰斯悖論?

將某集合中的元素移到另一集合后,兩個(gè)集合的平均值都提高了,這就是威爾·羅杰斯悖論。

這個(gè)現(xiàn)象的名字來源于美國喜劇演員威爾·羅杰斯(Will Rogers),他曾開玩笑地說:“那些從俄克拉何馬州搬到加利福尼亞州的人,提高了兩個(gè)州的平均智商?!?/p>

它是怎么發(fā)生的?

當(dāng)數(shù)據(jù)從一個(gè)集合重新分類到另一個(gè)集合時(shí), 如果該數(shù)據(jù)低于它要離開的集合的平均值, 但高于它所加入的集合的平均值, 則兩個(gè)集合的平均值將會(huì)增加。

例子

假設(shè)有6個(gè)人,醫(yī)生估計(jì)他們的預(yù)期壽命分別是40歲、50歲、60歲、70歲、80歲、90歲。

預(yù)期壽命為40歲和50歲的人已被診斷患有某種疾病; 其他四個(gè)沒有。患者的平均壽命為45歲,另外四個(gè)的平均壽命為75歲。

如果開發(fā)出一種改進(jìn)的診斷工具來檢測那個(gè)預(yù)期壽命為60歲的人,并且發(fā)現(xiàn)他患有和那兩個(gè)人一樣的疾病,那么此時(shí)我們就要把他歸到另一組,這時(shí)我們會(huì)發(fā)現(xiàn),兩組的平均預(yù)期壽命均提高了5歲。

伯克森悖論


什么是伯克森悖論?

伯克森悖論指的是對(duì)于兩個(gè)獨(dú)立的事件,認(rèn)知者誤以為這兩個(gè)事件具有某種相關(guān)性。

它是怎么發(fā)生的?

這樣的悖論通常發(fā)生在兩個(gè)相互獨(dú)立的集合中,相互獨(dú)立意味著兩個(gè)集合之間沒有任何聯(lián)系。但是如果我們只看兩個(gè)集合中的某個(gè)子集,那么此時(shí)也許這兩個(gè)子集中的元素是負(fù)相關(guān)的。

當(dāng)子集不是整個(gè)種群的無偏樣本時(shí), 就會(huì)發(fā)生這種情況,醫(yī)學(xué)統(tǒng)計(jì)中經(jīng)常引用伯克森悖論。例如,假設(shè)有一個(gè)醫(yī)院,它只治療a疾病和b疾病,或者兩個(gè)疾病均可以治療,那么盡管這兩種疾病是相互獨(dú)立的,但是這種醫(yī)院容易使我們覺得a疾病和b疾病是有關(guān)聯(lián)的。

例子

考慮一個(gè)以學(xué)術(shù)能力和運(yùn)動(dòng)能力為基礎(chǔ)招收學(xué)生的學(xué)校。假設(shè)這兩種技能是完全獨(dú)立的。也就是說,在所有的學(xué)生中, 一個(gè)運(yùn)動(dòng)能力強(qiáng)的學(xué)生和一個(gè)運(yùn)動(dòng)能力弱的學(xué)生,都有可能具有優(yōu)秀的學(xué)術(shù)能力或者差的學(xué)術(shù)能力。

但是,如果這個(gè)學(xué)校只招收技能優(yōu)秀的學(xué)生(兩種技能均優(yōu)秀或者其中一種優(yōu)秀),那么在這群被錄取的學(xué)生中,體育能力和學(xué)術(shù)能力呈負(fù)相關(guān)。

為了說明這點(diǎn),將所有學(xué)生(不止是這個(gè)學(xué)校的學(xué)生)按照兩種技能強(qiáng)弱分別從1到10劃分等級(jí),每種技能的在每個(gè)等級(jí)里都有相同比例的人。

假設(shè)該學(xué)校只招收其中一個(gè)技能的等級(jí)或者兩個(gè)技能的等級(jí)為9或者10的學(xué)生。

此時(shí)我們看看被錄取的學(xué)生,運(yùn)動(dòng)能力強(qiáng)的學(xué)生和運(yùn)動(dòng)能力差的學(xué)生的平均學(xué)術(shù)等級(jí)都是相等的,都為5.5。然而, 高水平運(yùn)動(dòng)員的學(xué)術(shù)能力平均等級(jí)仍然和整個(gè)學(xué)生群體的學(xué)術(shù)能力平均等級(jí)一樣(均為5.5),但運(yùn)動(dòng)能力差的學(xué)生的學(xué)術(shù)能力平均等級(jí)是9.5,此時(shí)我們會(huì)發(fā)現(xiàn),這兩個(gè)能力呈負(fù)相關(guān)。

多重比較謬誤


什么是多重比較謬誤?

對(duì)于具有很多變量的數(shù)據(jù),如果在隨機(jī)試驗(yàn)中出現(xiàn)某種無法預(yù)料的趨勢,那么此時(shí)就容易出現(xiàn)多重比較謬誤。

它是怎么發(fā)生的?

當(dāng)在許多變量之間尋找變量之間的某種聯(lián)系時(shí),如果變量很多,我們就很容易忽略一些可能性。比如,有1000相互獨(dú)立的變量,兩兩組合的話,就存在499500種可能,那么在這些組合中,也許存在一些巧合,使得它們似乎是相關(guān)的。

即使它們兩兩之間是獨(dú)立的,但是對(duì)于那么多的可能性,總有一些數(shù)據(jù)巧合,使得某兩個(gè)變量之間似乎存在某種聯(lián)系。

例子

生日悖論就是一個(gè)多重比較謬誤的典型例子。

假如有23個(gè)人,如果要計(jì)算有兩個(gè)人在同一日出生的概率,在不考慮特殊因素的前提下,例如閏年、雙胞胎,假設(shè)一年365日出生概率是平均分布的(現(xiàn)實(shí)生活中,出生概率不是平均分布的),那么這些人中,有兩個(gè)人生日是同一天的概率大于50%。

這樣的結(jié)果挺讓人難以置信的,因?yàn)槿藗兒苌儆龅胶妥约荷障嗤娜耍?dāng)然,如果隨機(jī)選兩個(gè)人,那么他們生日是同一天的概率是非常低的(小于0.3%)。

對(duì)于這23個(gè)人,兩兩組合,能產(chǎn)生253種可能性,在這么多的可能性中,是可能出現(xiàn)生日相同的組合的,而且概率很高。有興趣的讀者可以算一下,最終的結(jié)果可以用一個(gè)公式表達(dá)出來:

其中P為概率,n為人數(shù),如果計(jì)算23人,將23帶入即可,算出來約為50.7%。

所以對(duì)于40個(gè)人來說,其中兩個(gè)人生日相同的概率將近90%。

原文鏈接:https:///paradoxes-of-probability-and-other-statistical-strangeness-74440

編輯:Alex Yuan


近期熱門文章Top10

↓ 點(diǎn)擊標(biāo)題即可查看 ↓

1. 電荷的本質(zhì)是什么?

2. 中國數(shù)學(xué)競賽史上最玩命的“賭徒”,用一個(gè)字換來五屆IMO總分第一

3. 通往化學(xué)世界的地圖

4. 快轉(zhuǎn)給你的父母,告訴他們輻射的真相!| SciFM Vol.04

5. 關(guān)于銀河系,竟然還有這樣有趣的十個(gè)事實(shí)!

6. 膽小慎入→_→這或許是夏天你最討厭的東西 | 線上科學(xué)日

7. 刷爆朋友圈的量子計(jì)算機(jī),背后究竟蘊(yùn)含怎樣厲害的工作?

8. 中國古代數(shù)學(xué)只有一個(gè)關(guān)鍵字,你知道嗎?

9. 甜咸之爭放一放,粽子為啥長這樣?

10. 可燃冰的自白:五萬公里黑不倒 我為人類續(xù)一秒

點(diǎn)此查看以往全部熱門文章



    本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間,所有內(nèi)容均由用戶發(fā)布,不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購買等信息,謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請(qǐng)點(diǎn)擊一鍵舉報(bào)。
    轉(zhuǎn)藏 分享 獻(xiàn)花(0

    0條評(píng)論

    發(fā)表

    請(qǐng)遵守用戶 評(píng)論公約

    類似文章 更多