4-4

在之前的兩堂課中 我們講到多準(zhǔn)則決策
以及空間決策接下來我們將講到涉及概率的
在不確定性條件下的決策 為此
我首先想花一點(diǎn)時(shí)間來稍微說說概率
如果你已經(jīng)學(xué)習(xí)過概率或者你對于概率很了解
你可以跳過本單元內(nèi)容如果你沒有學(xué)過 本單元課程將
給你足夠的 你需要明白的知識讓你能夠理解
我們將要學(xué)習(xí)的有關(guān)在不確定性下做決策的內(nèi)容
概率 我們所說的概率就是某件事
發(fā)生的可能性分解概率時(shí) 它們必須滿足
三個(gè)公理 第一就是 任何概率都是介于0和1之間的
如果某件事不會發(fā)生 那么概率大概為0如果某件事一定會發(fā)生
那么概率就是1即使你你百分百肯定某事會發(fā)生
概率也不可能大于1所以 你不能說 我認(rèn)為
有110 %的可能性會發(fā)生這是不可以的 可能性 它只能
介于0和100%之間第二個(gè)公理更復(fù)雜一點(diǎn) 你必須
區(qū)別事情的結(jié)果和事件本身事情的結(jié)果是指任何
可能發(fā)生的獨(dú)立事件而一個(gè)事件則是眾多結(jié)果的一個(gè)子集
如果我寫下所有可能的結(jié)果 然后加總所有那些概率 那么一定等于1
我就拋硬幣來說有兩種結(jié)果
正面或者反面 出現(xiàn)正面的可能性是50%出現(xiàn)反面的可能性也是50%
我將這兩種結(jié)果的可能性加總得到的是1 這就是第二公理 簡單
第三個(gè)公理 如果我有一個(gè)事件已知它由一系列結(jié)果組成
并且事件b包含a那么事件a發(fā)生的可能性低于
事件b的可能性 一個(gè)事件可以是我得到一個(gè)硬幣的正面
另外一件事是我拋到正面或是反面但是拋到正面的可能性
為一半拋到正面或反面的可能性是1
拋到正面是拋到正面或反面的一個(gè)子集
拋到正面的可能性只有一半 低于拋到正面或反面的可能性
它的可能性為1 這就是第三條公理以上就是全部的三條公理
任何結(jié)果或者事件發(fā)生的可能性都是介于0和1之間 可能為0 也可能為1
總之一定是在那個(gè)區(qū)間內(nèi)如果我將所有不同結(jié)果發(fā)生的可能性加總
總和為1如果某一事件
是另外某事件的子集根據(jù)這個(gè)公理 那么第一個(gè)事件
比第二個(gè)事件發(fā)生的可能性低這就是我們要說的公理
實(shí)際上有三種不同類型的概率 第一類
概率可稱為古典概率這就是數(shù)學(xué)家探究的問題
比如骰子和輪盤賭一類的
舉個(gè)例子如果我擲骰子 我可以按邏輯假設(shè)
或者是經(jīng)典假設(shè)得到4的可能性只有1/6
得到偶數(shù)的可能性為1/2
得到奇數(shù)的可能性也為1/2這就是古典概率
你能基于數(shù)學(xué) 很純粹地
寫出每件事發(fā)生概率第二類概率是
頻率 比如 我們都知道對骰子來說是六
因?yàn)轺蛔拥拿恳幻娑际且粯拥膶τ谄渌?我們可能不知道
但是我們能做的就是我們可以數(shù) 我們可以做一個(gè)
頻率計(jì)數(shù) 由此我們可以得到大量數(shù)據(jù)我們通過觀察這些數(shù)據(jù)
來估計(jì) 我們覺得概率是多少
比如 假設(shè)我問你下面的問題是以R開頭的單詞多
還是R子作為第三位的單詞多
這是一個(gè)很有特色的問題現(xiàn)那么 你所能做的 就只是猜測 是吧唠摹?
我猜測有2%的單詞第三位音節(jié)包含R
有8%的單詞以R開頭另一件你可以做的事就是你可以
打開字典 然后數(shù)一數(shù)
首先 你可以粗略估計(jì)有多少頁的單詞是以R開頭的
你可能得出大概有6%的單詞是以R開頭
然后你可以隨機(jī)地翻看字典里的單詞
看看大概百分之幾的單詞的第三個(gè)音節(jié)包含R 你可能發(fā)現(xiàn)
大概是11%之類的然后你可能會說 天哪
第三個(gè)音節(jié)包含R的概率居然更大你所做的就是以頻率來
粗略估計(jì)單詞第三位為R的概率
以及通過頻率估計(jì)單詞以R開頭的概率
所以 頻率意味著你數(shù)數(shù) 然后
從中推斷出概率這并非是純概率事件
像扔骰子 每一面的概率是1/6而只是 它多經(jīng)常發(fā)生
如果你考慮的事情是 比如 下個(gè)7月7號會不會下雨是6月7號 抱歉
你能做的則是回顧歷史把過去幾百年的數(shù)據(jù)瀏覽一遍
然后你可以分析近100年的數(shù)據(jù) 發(fā)現(xiàn)有26天是下雨的 有74天
沒有下雨 那么你可以說猜測下雨的可能性為
26% 再次聲明 這和扔骰子不一樣這只是數(shù)數(shù)
通過估計(jì)頻率來得出概率
當(dāng)你估計(jì)頻率時(shí)你做出了一些強(qiáng)假設(shè)
其中之一是 我們說的穩(wěn)定性也就是說 過去幾百年什么也沒改變
下雨的概率是穩(wěn)定的沒有改變
所以這是一個(gè)可靠的預(yù)測辦法理想情況下 我們知道
某件事的古典概率 如果我們不知道其次我們能做的就是
使用我們能夠從這個(gè)世界得到的所有數(shù)據(jù) 做一個(gè)
頻率計(jì)數(shù)表 有時(shí)候 這兩件事我們都做不了 我們就只能
接受主觀概率在這些案例中 我們恐怕只能
猜測 實(shí)際上 我們將說到我們真正想做的是運(yùn)用
模型 我們希望有某種模型可以用來算出
主觀概率是多少比如 這里有個(gè)心理學(xué)家有時(shí)會
用到的例子 假設(shè)Shelly主修政治學(xué) 并且非常積極參與
學(xué)院的共和黨群 寫下下列事件會發(fā)生的概率
現(xiàn)在我們來想一想已知Shelley是一名政治科學(xué)家
挺有意思的 她是共和黨這大概意味著
她是個(gè)保守的政治學(xué)家她也許很需要賺錢
她做這些事情的可能性為多大呢开瞭?空中乘務(wù)員
我想 這恐怕不太可能5%的可能性 寫博客的人
有可能 可能有10%的概率她寫博客
因?yàn)?她是政治科學(xué)專業(yè) 是共和黨人
所以她可能喜歡寫博客 在讀MBA的同時(shí)當(dāng)空中乘務(wù)員 這看上去
其實(shí)挺合理的 讓我們假設(shè)它有10%的可能性會發(fā)生
然后是醫(yī)藥行業(yè)很多人在醫(yī)藥行業(yè)
我們就寫下有15%的可能性她是在醫(yī)藥領(lǐng)域工作的
因?yàn)槟谴蟾攀窃卺t(yī)藥領(lǐng)域工作的人的基本比率
這些我估計(jì)的可能的概率
憑主觀猜測寫下這些東西讓我們再更仔細(xì)地看看
我犯了一些錯(cuò) 我哪里做錯(cuò)了呢?記得我們的三個(gè)公理
我們的三個(gè)公理是什么?第一個(gè)是概率必須
介于0到1之間 第二是所有的概率加總后等于1
總和為1 第三是 事件B包含事件A
讓我們回過頭看看我做了什么我做了什么呢齿桃?我假設(shè)事件A
她是一個(gè)空勤員 這個(gè)事件為真的可能性僅僅為5%
事件C 她在讀MBA時(shí)是一個(gè)乘務(wù)員概率為10%
這是不可能的 對吧激捏?因?yàn)槿绻且粋€(gè)乘務(wù)員
那就是這個(gè)事件 事件A 包含了事件C如果她在
讀MBA時(shí)是乘務(wù)員 那么她就是一個(gè)乘務(wù)員所以這個(gè)數(shù)字
10%的概率 應(yīng)該小于5%的概率所以我們犯了一個(gè)錯(cuò)
我舉的這個(gè)例子 記得我說過心理學(xué)家喜歡用這個(gè)
這是一個(gè)我們能夠看到偏見的例子人們會犯錯(cuò)的地方 在某種程度上
我們將討論這些偏見所以 主觀概率是危險(xiǎn)的
因?yàn)楫?dāng)你開始寫下數(shù)字時(shí)可能并不滿足那些公理
所以這些概率可能說不通所以假設(shè)某人
問你這樣一個(gè)問題 比如 明年房價(jià)將上漲嗎远舅?你怎么回答呢闰蛔?一個(gè)辦法是猜測 你可以說
我認(rèn)為房價(jià)上漲的幾率是30%我們在這門課上想解答的是 你為什么這么認(rèn)為?
或許我們應(yīng)該建立一個(gè)模型 考慮進(jìn)所有會影響房價(jià)的因素
以此為基礎(chǔ)推斷經(jīng)濟(jì)向哪個(gè)方向移動(dòng)然后評估房價(jià)是否會上漲
當(dāng)我們考慮不存在古典概率的情況時(shí)
概率教材中會寫到 只有兩件事你能做第一件是
用頻率法 另一個(gè)就是你可以使用主觀方法
實(shí)際上我們要說 還有第三種辦法即使這些
概率是主觀的 你要把它們想做是基于模型的
接下來我們將要嘗試構(gòu)建一個(gè)模型然后基于這個(gè)模型
計(jì)算出一件事發(fā)生的概率
以上就是我們對概率的粗略介紹有三個(gè)公理
概率都是介于0和1之間的如果你加總所有可能的結(jié)果
概率總和應(yīng)該為1 如果一個(gè)事件包含另一個(gè)事件 那么它將更有
可能會發(fā)生 就是這些 三大公理我們再說一次 有三種類型的概率
一種是古典型 我們通過數(shù)學(xué)方法知道為什么一件事發(fā)生的概率
是這么多 第二種是基于頻率我們得到各種數(shù)據(jù)
基于這些數(shù)據(jù) 我們可以對概率做出比較可靠的估計(jì)
第三種類型經(jīng)常被稱作主觀概率
在這種情況下 我們沒有數(shù)據(jù) 也沒有古典理由所以我們只能
猜測 除了猜測 我們還可以嘗試并收集某些模型
然后用模型得到一個(gè)總和估計(jì)概率會是多少
這些概率 接下來就開始起作用了在下一堂課中
我們將談?wù)?當(dāng)我們不確定的時(shí)候我們?nèi)绾巫龀鰶Q策
比如 我們知道有一定的概率會下雨或是有某個(gè)概率
價(jià)格會上漲 那就是下堂課將要討論的
在不確定概率的情況下如何做決定謝謝

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末图柏,一起剝皮案震驚了整個(gè)濱河市例诀,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌距辆,老刑警劉巖余佃,帶你破解...
    沈念sama閱讀 221,273評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異跨算,居然都是意外死亡爆土,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,349評論 3 398
  • 文/潘曉璐 我一進(jìn)店門诸蚕,熙熙樓的掌柜王于貴愁眉苦臉地迎上來步势,“玉大人氧猬,你說我怎么就攤上這事』荡瘢” “怎么了盅抚?”我有些...
    開封第一講書人閱讀 167,709評論 0 360
  • 文/不壞的土叔 我叫張陵,是天一觀的道長倔矾。 經(jīng)常有香客問我妄均,道長,這世上最難降的妖魔是什么哪自? 我笑而不...
    開封第一講書人閱讀 59,520評論 1 296
  • 正文 為了忘掉前任丰包,我火速辦了婚禮,結(jié)果婚禮上壤巷,老公的妹妹穿的比我還像新娘邑彪。我一直安慰自己,他們只是感情好胧华,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,515評論 6 397
  • 文/花漫 我一把揭開白布寄症。 她就那樣靜靜地躺著,像睡著了一般矩动。 火紅的嫁衣襯著肌膚如雪有巧。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 52,158評論 1 308
  • 那天悲没,我揣著相機(jī)與錄音剪决,去河邊找鬼。 笑死檀训,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的享言。 我是一名探鬼主播峻凫,決...
    沈念sama閱讀 40,755評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼览露!你這毒婦竟也來了荧琼?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,660評論 0 276
  • 序言:老撾萬榮一對情侶失蹤差牛,失蹤者是張志新(化名)和其女友劉穎命锄,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體偏化,經(jīng)...
    沈念sama閱讀 46,203評論 1 319
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡脐恩,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,287評論 3 340
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了侦讨。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片驶冒。...
    茶點(diǎn)故事閱讀 40,427評論 1 352
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡苟翻,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出骗污,到底是詐尸還是另有隱情崇猫,我是刑警寧澤,帶...
    沈念sama閱讀 36,122評論 5 349
  • 正文 年R本政府宣布需忿,位于F島的核電站诅炉,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏屋厘。R本人自食惡果不足惜涕烧,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,801評論 3 333
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望擅这。 院中可真熱鬧澈魄,春花似錦、人聲如沸仲翎。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,272評論 0 23
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽溯香。三九已至鲫构,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間玫坛,已是汗流浹背结笨。 一陣腳步聲響...
    開封第一講書人閱讀 33,393評論 1 272
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留湿镀,地道東北人炕吸。 一個(gè)月前我還...
    沈念sama閱讀 48,808評論 3 376
  • 正文 我出身青樓整胃,卻偏偏與公主長得像旧噪,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個(gè)殘疾皇子狡汉,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,440評論 2 359

推薦閱讀更多精彩內(nèi)容

  • 1.4.4彼得·瑪爾邁特 自1982年以來,彼得·瑪爾邁特(Peter Mulmat)就一直是芝加哥商品交易所國際...
    張炯鑫閱讀 430評論 0 0
  • 編程向?qū)?.4架構(gòu)預(yù)覽 我們將要花費(fèi)一些時(shí)間以軟件管理的角度來解釋如何設(shè)計(jì)Kivy。這將是理解每一部分如何一起工作...
    gthank閱讀 602評論 0 0
  • 今天的晨讀是個(gè)大錦囊雏掠,每一則材料都有妙計(jì)斩祭。 001.做一個(gè)有魄力的領(lǐng)導(dǎo)者 美國行為學(xué)專家把喬布斯這樣的人分析為老虎...
    一珈之主閱讀 358評論 0 0
  • 邏輯回歸模型是預(yù)測連續(xù)值或者是任何真數(shù)的。現(xiàn)在我們將展現(xiàn)一個(gè)類似“這是垃圾郵件么乡话?”問題回答Yes-No這種類型問...
    斐波那契的數(shù)字閱讀 621評論 0 3
  • 幸福的人都是相似的摧玫,而不幸的人,各有各的不幸绑青!能讓自己強(qiáng)大的席赂,或許是讓我經(jīng)歷的更多吮铭!越多的規(guī)范約束,越是能力的彰顯...
    北往笙笙閱讀 349評論 0 0