Dalam edisi sebelumnya, disebutkan bahwa ketika Jacob Bernoulli meninggal, ia belum menerbitkan buku-bukunya tentang teori probabilitas. Ia menyerahkan tugas menyusun manuskripnya kepada keponakannya, Nicholas Bernoulli II (yang merupakan jenius yang terlambat). Setelah menyelesaikan surat wasiat pamannya, Nicholas mulai ingin meneliti tingkat penyimpangan terhadap probabilitas yang sebenarnya dengan jumlah pengamatan yang telah ditentukan. Moivre (Abraham de Moivre) di banyak tempat diterjemahkan menjadi Moivre, tetapi setelah melihat potretnya, saya tidak terlalu setuju dengan terjemahan terakhir ini.
Namun kita tetap harus berteriak di sini, Yang Mulia, yang tidak akan pernah mati! Pada tahun 1711, Yang Mulia menerbitkan sebuah buku yang berisi teka-teki tentang ukuran keberuntungan, yang jika diterbitkan pada saat itu, pasti akan memuat saran Newton: “Tanyalah Tuan Yang Mulia, yang lebih tahu tentang hal ini daripada saya”.
Sayangnya, tidak ada, jadi Don Moffat tidak bisa mendapatkan banyak uang dari pajak.
Anda harus ingat bahwa kita dalam artikel sebelumnya tentang masalah (risiko kecil) (tiga): Commodore Bernoulli), untuk 5.000 kerikil dalam jar, kita dapat melakukan 25.500 kali menangkap untuk memperkirakan proporsi dari keseluruhan kerikil. Tetapi Anda juga harus menemukan bahwa 25.500 kali menangkap berulang-ulang adalah terlalu banyak, atau lebih baik untuk menuangkan batu keluar satu angka.
Dengan menggunakan metode aritmatika dan segitiga Pascal, Baumhofer mengambil metode pembagian sampel. Ia beranggapan bahwa setiap kali mengambil 100 batu kapur dari jar, mencatat proporsi batu kapur hitam dan putih, kemudian menempatkan batu tersebut kembali, dan melakukan pengambilan yang sama. Dengan metode ini, Baumhofer dapat memberi tahu Anda lebih awal tentang perbedaan perkiraan antara proporsi yang Anda catat dengan proporsi yang sebenarnya, dan bagaimana proporsi tersebut tersebar di sekitar rata-rata mereka.
Apakah ini seperti sesuatu yang sudah pernah kita dengar, atau hanya terasa di mulut kita, atau kita langsung ingin menyebutnya dengan namanya? Ya, ini adalah distribusi normal yang kita semua kenal. Kurva distribusi normal seperti kurva berbentuk bel, dengan sebagian besar nilai pengamatan berkumpul di tengah, mendekati rata-rata semua nilai pengamatan, dan kemudian miring secara simetris ke kedua ujungnya, dan jumlah nilai pengamatan di kedua ujung rata-rata adalah sama. Pada awalnya, kurva miring ke bawah dengan kecepatan cepat, dan di kedua ujungnya, miring seperti itu menjadi rata, yang berarti bahwa semakin jauh dari rata-rata, semakin kecil kemungkinan munculnya nilai pengamatan.
Dengan demikian kita dapat memperkenalkan konsep standar deviasi, yang sebenarnya telah kita sebutkan di artikel lain di Jurnal Publik (“Mengapa ada standar deviasi? Pengukuran risiko di mata dewa besar”) [2]. standar deviasi sebenarnya menggambarkan seberapa jauh nilai pengamatan dari rata-rata, atau kita memahaminya sebagai satuan yang menyimpang dari rata-rata. Untuk distribusi normal, sekitar 68% dari 100 batu bata yang kita ambil akan berada dalam kisaran standar deviasi dua sisi dari rata-rata, sedangkan kisaran standar deviasi dua standar dapat mencakup sekitar 95% dari nilai pengamatan.
Sebagai seorang penganut agama, Dunmore menganggap kurva jam sebagai hasil karya Tuhan. Menurutnya, dengan pengukuran seperti itu kita dapat mengatasi ketidakpastian dan kemudian menaklukkan semua risiko, karena kurva telah menggambarkan semua fenomena yang mungkin terjadi dan probabilitasnya, mungkin karena kebetulan yang akan menghasilkan apa yang disebut penyimpangan, tetapi seiring berjalannya waktu, penyimpangan ini tidak lagi mempengaruhi hukum yang kita simpulkan.
Dengan cara yang kita semua sukai dan senang menerangkan kata-kata Tom Morver, yaitu Tom kecewa karena kadang-kadang tidak bisa menelpon nomor telepon, mencoba beberapa kali, dan selalu menjawab Tom Morver. Di sekolah menengah, ada juga sebuah topik klasik (Oh, mengapa saya selalu menggunakan topik sekolah menengah) tentang tingkat kelulusan produk. Jika untuk sekumpulan produk, standar industri menganggap bahwa tingkat limbah tidak lebih dari 0,1% adalah memenuhi syarat, itu berarti kita mengambil 10.000 dari produk secara acak, dan jika tidak lebih dari 10 dari produk tersebut, itu memenuhi syarat.
Namun, pertanyaan ini tidak berarti apa-apa bagi kita, karena kita mungkin tidak tahu berapa rata-rata tingkat limbah produk, dan seberapa besar kemungkinan bahwa satu set produk kita akan lulus jika rata-rata tingkat limbah lebih tinggi dari standar tes? Jika 20.000 produk diuji, apakah hasil dari 10.000 produk dapat diambil dan digunakan secara langsung?
Dikutip dari China Quantitative Investment Association