Bayes, seorang lelaki yang hanya hidup dalam bahan pengajaran

** Kerja-kerja Bayes yang lahir tanpa nama itu terus membuktikan idea yang menarik bahawa ketidakpastian titanium dapat diukur titanium, dan juga memberi kita cara untuk menyimpulkan kebarangkalian yang tidak diketahui berdasarkan pengalaman dunia objektif, yang merupakan hasil dari pengubahsuaian maklumat yang kita peroleh.

** Sebagai tokoh terkenal dalam sejarah sains seperti Thomas Bayes, tidak ada kisah kehidupan peribadi yang boleh ditulis, adalah perkara yang sangat aneh. Di sisi lain, penulis seperti saya membawa ketidaknyamanan yang sangat besar, kerana sebenarnya semua orang suka melihat khabar angin saintis, seperti tidak bergaul dengan baik dan sombong, seperti permainan yang kecewa dengan kejutan, dan tidak boleh menjadi orang yang tidak bersemangat, tetapi tidak dapat mencerminkan sifat jenius. **

• Thomas Bayes Namun, Bayes adalah orang yang membosankan. Beliau adalah seorang paderi yang tinggal di sebuah kampung di England, yang bekerja pada hari biasa untuk mengatur tarian di sebuah kampung, tidak benar, Misa, dan dikatakan bahawa seluruh kampung menyayangi beliau. Satu-satunya yang kelihatan sedikit legenda adalah bahawa, seperti banyak legenda, beliau tidak pernah menerbitkan sebuah buku semasa hidupnya.

Apabila Beyes meninggal dunia, dia mewarisi £ 100 kepada seorang pendakwah bernama Prince. Ia juga seorang lelaki yang luar biasa, yang membangunkan tamadun rohani dan tamadun material yang lebih tinggi daripada yang tidak diketahui oleh Beyes.

Tiga tahun selepas kematian Bayes, Prince membantu beliau menerbitkan karyanya. Namun, makna sejarahnya telah diabaikan oleh ahli-ahli akademik dan menunggu dua puluh tahun lagi. Dalam karyanya, Bayes berhasrat untuk mengkaji persoalan ini: jika kita hanya tahu berapa kali peristiwa berlaku dan berapa kali ia tidak berlaku, bagaimana kita boleh mengira kebarangkalian peristiwa itu berlaku tanpa maklumat lain?

Mari kita mengingati contoh dalam artikel sebelumnya (Risk Story 4: The Mummy and the God Curve). Sebagai contoh, untuk satu kumpulan produk, kami mengambil 10,000 produk dan mendapati 12 daripadanya adalah sampah, maka untuk kumpulan produk ini, berapa besar kemungkinan bahawa kadar sampah adalah 0.1%? Untuk kehidupan sebenar, persoalan ini pasti lebih berharga bagi kita, kerana setiap pengamatan terhadap perkara mempunyai batasan, kita perlu tahu sejauh mana apa yang kita lihat dapat mencerminkan kebenaran, sama seperti kita tahu bagaimana untuk menentukan sama ada kita menyentuh keseluruhan gajah atau kaki saudara yang lebih besar di sebelah saudara yang lebih besar.

Kaedah yang digunakan oleh Bayes, sebenarnya adalah dengan mengemas kini maklumat lama dengan maklumat baru, meningkatkan kebolehpercayaan kebarangkalian berdasarkan pengubahsuaian. Itulah kebarangkalian terdahulu dan kebarangkalian terdahulu dalam legenda. Untuk masalah ini, Bayes memberikan contoh klasik dalam karyanya:

Jika kita bermain bola di atas meja tenis dan bola itu berhenti di mana sahaja. Kemudian, kita bermain bola lain berulang kali dan mengira berapa kali bola itu berputar di sebelah kiri dan kanan bola pertama. Sudah tentu di sini anda boleh mengajukan soalan yang munasabah, iaitu, jika kita bermain bola tenis, mengapa bola kedua tidak bermain bola pertama, saya rasa anda bertanya soalan yang baik, tetapi saya tidak mahu menjawabnya.

Dalam contoh ini, kebarangkalian yang diberikan secara langsung kepada kedudukan bola pertama adalah kebarangkalian awal, dan kebarangkalian yang disimpulkan berdasarkan keadaan bola kedua adalah kebarangkalian akhir. Yaitu, kaedah Bayesian adalah bahawa pengetahuannya dibatasi oleh kemampuan kognitif kita, oleh itu kita perlu terus menerus membetulkan pendapat kita dengan maklumat yang diperbaharui.

Ayat di atas mungkin merupakan ayat yang paling memalukan yang pernah diunggah. Mari kita anggap satu contoh untuk membantu memahami:

Jika anda mempunyai dua pusat membeli-belah di bandar anda, lalu lintas di pusat membeli-belah baru adalah 60% daripada jumlah lalu lintas, maka kemungkinan 60% bahawa pelanggan mana-mana adalah pelanggan di pusat membeli-belah baru. Ini adalah kebarangkalian awal.

Jawapan yang paling ringkas dan jelas adalah Satsuki bertanya langsung kepada orang itu di mana beliau berada. Sudah tentu orang itu mungkin akan menjawab bahawa anda meneka ((terlalu buruk), maka bagaimana Satsuki boleh meneka yang akan mempunyai peluang yang lebih besar yang betul? Jika dilihat dari kebarangkalian awal, Satsuki harus mencari pengurus baru mall, kerana lalu lintas orang baru mall lebih besar daripada yang lama.

Bayes yang tidak dikenali sejak lahir kini muncul dalam hampir semua bahan pelajaran statistik, kecerdasan buatan, teori permainan, dan genetik, membuat banyak pelajar ujian akhir universiti bermasalah sepanjang hayat mereka. Karyanya terus membuktikan idea yang menarik bahawa ketidakpastian ketidaktentuan boleh diukur, tetapi ia juga memberi kita cara untuk membuat kesimpulan mengenai kemungkinan yang tidak diketahui berdasarkan pengalaman dunia objektif, yang merupakan hasil dari pengubahsuaian maklumat yang kita peroleh.

Dipetik dari China Quantitative Investment Association