這本書(shū)目前豆瓣評(píng)分7.6襟诸，理論上我不想拿8.0以下的書(shū)入門(mén)（最好是8.5以上）绞惦。所以猶豫了很久，但是讀完發(fā)現(xiàn)這本書(shū)作為入門(mén)是很好的借帘。如書(shū)中所說(shuō)蜘渣，這本書(shū)關(guān)注的是假設(shè)和建模范圍的事情，能清楚地解釋概念肺然、模型蔫缸，且能講得通俗有趣，已經(jīng)很不錯(cuò)了际起。豆瓣評(píng)分低大概是覺(jué)得太淺吧拾碌。
圖片發(fā)自簡(jiǎn)書(shū)App
核心概念
- 創(chuàng)建模型時(shí)，務(wù)必要規(guī)定假設(shè)中的各種變量的相互關(guān)系街望。不要假定兩個(gè)變量是不相關(guān)的校翔。# 變量間關(guān)系
- 定義主觀意愿？# 約束條件定義什么 容易忽略的約束條件
例如某廠生產(chǎn)橡皮鴨和橡皮魚(yú)灾前，求問(wèn)怎樣的產(chǎn)量組合能獲得最大利潤(rùn)防症。約束條件容易考慮橡膠量、生產(chǎn)時(shí)間哎甲、利潤(rùn)蔫敲，容易忽略人們對(duì)兩種產(chǎn)品的購(gòu)買(mǎi)意愿。例如魚(yú)的利潤(rùn)小但暢銷烧给，若追求利潤(rùn)最大而生產(chǎn)很多魚(yú)但賣不出去燕偶，依然無(wú)法利潤(rùn)最大喝噪。 - 散點(diǎn)圖可判斷因果關(guān)系础嫡，體現(xiàn)關(guān)系，但不能直接反映為什么兩者有關(guān)
- 因果關(guān)系通常是網(wǎng)狀的，不是線性的
- 隨機(jī)事件
模型
最優(yōu)化模型
- 用途：給定約束條件下榴鼎，求怎樣的變量組合得到最優(yōu)解
- excel -> solver
貝葉斯規(guī)則
- 用途：可以把新信息整合到已知信息中伯诬，修正主觀概率：即在已有一個(gè)假設(shè)的概率時(shí)，新證據(jù)出現(xiàn)時(shí)巫财，該假設(shè)還成立的概率盗似。關(guān)鍵是求（估算）：假設(shè)成立的條件下，新證據(jù)出現(xiàn)的概率
回歸
- 用途：線性回歸平项、非線性等
- 均方根差表示散點(diǎn)和回歸線的差異赫舒，即線性回歸的誤差區(qū)間。
工具
散點(diǎn)圖
- 判斷因果關(guān)系闽瓢。y軸結(jié)果接癌，x軸原因
證偽法
- 用途：
1 用于幾種假設(shè)都沒(méi)有強(qiáng)烈證據(jù)支持的時(shí)候。區(qū)別于滿意法扣讼，即挑一個(gè)覺(jué)得證據(jù)多的假設(shè)為真缺猛。這有可能忽略該假設(shè)反面證據(jù)，或者漏掉其他假設(shè)的支持證據(jù)椭符。（ which is 大多數(shù)人決策會(huì)使用的方法）
2 對(duì)一種未知情況做判斷荔燎，可以提出幾種具體假設(shè)再證偽。
例如 iPhone 何時(shí)發(fā)布
啟發(fā)法與最優(yōu)解
- 用途：其中一種：別人用啟發(fā)法來(lái)決策销钝、給任務(wù)時(shí)有咨，如果無(wú)法量化結(jié)果，可以選擇說(shuō)服對(duì)方換一種啟發(fā)法蒸健。
直方圖
- 數(shù)據(jù)點(diǎn)在數(shù)值范圍內(nèi)的分布摔吏。（有多少人薪資在15k+，多少在30k+...）
軟件
- excel: 可以分隔數(shù)據(jù)（例如以分隔符隔開(kāi)時(shí)）
- R軟件
