Bayes, seorang lelaki yang hanya hidup dalam bahan ajar

Yang Risco, yang mempunyai lima anak, Bayes, seorang lelaki yang hanya hidup dalam bahan ajar

** Karya Bayes, yang tidak diketahui asal usulnya, terus membuktikan idea yang menarik bahawa ketidaktentuan yang tidak pasti adalah ketidaktentuan yang boleh diukur, dan juga menyediakan kita dengan kaedah untuk membuat kesimpulan kebarangkalian yang tidak diketahui berdasarkan pengalaman dunia objektif, yang merupakan hasil dari perubahan yang berterusan terhadap maklumat yang kita terima.

** Orang yang terkenal dalam sejarah sains seperti Thomas Bayes, tidak mempunyai apa-apa kisah kehidupan peribadi yang boleh ditulis, adalah sesuatu yang sangat pelik. Hal ini menunjukkan bahawa Bayes memang sangat rendah hati semasa dia masih hidup (atau, tidak merah), di sisi lain, penulis seperti itu membawa kepada saya kesukaran yang sangat besar, kerana sebenarnya semua orang suka melihat ilmuan yang aneh, seperti hubungan yang tidak baik, sombong, seperti mainan yang tidak berminat, tidak lagi boleh menjadi bunga teratai tetapi tidak berminat untuk mengkaji anak panah, atau tidak dapat sepenuhnya mewujudkan keunikan jenius. **

• △ Thomas Bayes Walau bagaimanapun, Bayes adalah orang yang membosankan. Beliau adalah seorang pendeta yang tidak mainstream yang tinggal di pedalaman England, dan tugasnya pada hari kerja mungkin adalah untuk mengatur tarian di lapangan bersama-sama dengan seluruh kampung, bukan, Misa, dan dikatakan bahawa seluruh kampung sangat menyukainya. Satu-satunya yang kelihatan agak legenda adalah bahawa dia, seperti banyak legenda, tidak pernah menerbitkan buku semasa hidupnya. Sudah tentu kebanyakan orang yang tidak legenda juga.

  Bayes meninggal dunia, meninggalkan manuskrip makalahnya dengan tambahan £100 kepada seorang pendakwah bernama Prince. Prince juga seorang lelaki yang luar biasa, membangun peradaban rohani dan material lebih tinggi daripada Bayes tidak tahu. Dia merasakan bahawa kehendak bebas adalah anugerah Tuhan, juga menulis makalah yang membuktikan kemerdekaan Amerika juga kehendak Tuhan, dikatakan Franklin dan Adams Smith adalah kawan baiknya, dan juga membantu syarikat insurans dalam masa lapangannya untuk membuat model kadar, yang boleh dikatakan sangat terlibat.

  Tiga tahun selepas Bayes meninggal dunia, Prince membantunya menerbitkan makalah memoar. Tetapi makna penanda masa makalah itu dihadapkan oleh kalangan akademik, dan menunggu dua puluh tahun lagi. Dalam makalah itu, Bayes bermaksud untuk mengkaji persoalan: Jika kita hanya tahu berapa kali suatu peristiwa berlaku dan berapa kali ia tidak berlaku, bagaimana kita harus mengira kebarangkalian peristiwa itu berlaku tanpa maklumat lain?

  Mari kita ingat semula contoh sebelumnya ("Risk Story 4: Tom Mover and the Curve of God"); sebagai contoh, untuk sekumpulan produk, jika kita mengambil 10,000 produk dan mendapati terdapat 12 produk yang rosak, maka apakah kebarangkalian kadar rosak adalah 0.1% untuk sekumpulan produk itu?

  Kaedah yang digunakan Bayes sebenarnya adalah dengan terus-menerus membetulkan maklumat lama dengan maklumat baru, meningkatkan kredibiliti kebarangkalian berdasarkan pembetulan; ini adalah kebarangkalian terdahulu dan kebarangkalian terdahulu dalam legenda. Untuk masalah ini, Bayes memberikan contoh klasik dalam kertas kerja:

  

  Jika kita bermain bola di atas meja pingpong, bola berhenti di mana sahaja. Kemudian, kita bermain bola lain berulang kali, menghitung jumlah kali ia bergolak ke kiri dan kanan bola pertama masing-masing. Sudah tentu di sini anda boleh mengajukan pertanyaan yang wajar, kerana kita bermain bola pingpong, mengapa tidak menggunakan bola kedua untuk bermain bola pertama, saya fikir anda bertanya dengan baik, tetapi saya tidak mahu menjawab.

  Dalam contoh ini, kebarangkalian yang diberikan secara langsung mengenai tempat berhenti bola pertama adalah kebarangkalian awal, dan kebarangkalian yang disimpulkan berdasarkan keadaan bola kedua adalah kebarangkalian akhir. Dengan kata lain, kaedah Bayes adalah bahawa pemahaman kita terhad kepada keupayaan kognitif kita, oleh itu kita perlu sentiasa membetulkan pandangan kita dengan maklumat yang diperbaharui.

  Ayat di atas mungkin merupakan ayat yang paling menarik yang pernah ditulis. Mari kita anggap satu contoh untuk memahami:

  Jika STS membuka dua pusat membeli-belah di bandar anda, lalu lintas orang di pusat membeli-belah baru menyumbang 60% daripada jumlah lalu lintas orang, maka pada masa ini mana-mana pelanggan STS mempunyai kebarangkalian 60% untuk menjadi pelanggan pusat membeli-belah baru. Ini adalah kebarangkalian awal. Sementara kemudahan pusat membeli-belah lama tidak diuruskan dengan baik, pekerja juga kurang terlatih, kadar aduan yang diterima dua kali ganda lebih tinggi daripada pusat membeli-belah baru.

  

  Jawapan yang paling ringkas adalah dengan bertanya secara langsung di mana orang itu berada. Sudah tentu orang itu mungkin akan menjawab bahawa anda meneka (terlalu rendah), maka bagaimana Soto harus meneka untuk mempunyai peluang yang lebih besar? Jika dilihat dari kebarangkalian awal, Soto harus mencari pengurus pusat baru, kerana lalu lintas orang di pusat baru lebih besar daripada pusat lama. Tetapi dari segi aduan, jumlah aduan di pusat baru hanya menyumbang 1/3 daripada jumlah keseluruhan aduan.

  Bayes, yang tidak dikenali sejak lahir, kini muncul dalam hampir semua bahan pelajaran statistik, kecerdasan buatan, teori permainan, dan genetik, menyebabkan banyak masalah bagi para calon ujian akhir universiti. Karya-karyanya, di satu pihak, terus membuktikan bahawa ketidakpastian ketegangan adalah idea yang menarik untuk mengukur ketegangan, dan di sisi lain, memberikan kita kaedah untuk menyimpulkan kemungkinan yang tidak diketahui berdasarkan pengalaman dunia objektif, yang merupakan hasil dari maklumat yang kita terima. Cara berfikir ini selaras dengan tujuan pengurusan risiko kita dan amalan: dalam pasaran yang berubah secara dinamik, jika ketegangan ada, sebarang keputusan dan keputusan bergantung pada pemikiran kita terhadap maklumat terkini dan paling komprehensif, dan pemikiran seperti itu sama sekali tidak akan berhenti.

Dibaharui oleh China Quantitative Investment Society