《思维模型》
加布里埃尔·温伯格 劳伦·麦肯
18个笔记
>> 从很大程度上说，生活中最重要的问题不过是概率问题。
>> 信不信由你
>> 所谓的“轶事证据”，就是以非正式手段收集的源于私下传闻的证据。
>> 与此类似的概念是“移动的目标”（moving target）。它是指，在得出实验结果后修改实验目标，以便支持自己想要的结论。
>> 隐藏的认知偏差
>> 调查结果受“反应偏差”影响通常会表现为几种形式，包括：
· 问题的措辞，例如诱导性问题或误导性问题
· 问题的顺序，前面的问题会影响后面的问题
· 受访者记忆力差或记忆不准确
· 难以用数字（例如从1到10的评分）表达感受
· 受访者只提及对自己有利的事
>> 警惕小数“定律”
>> 赌徒谬误（gambler's fallacy）。这个谬误得名于轮盘赌玩家，他们认为只要多转几把，轮盘转出红或黑的概率就会对自己有利。
>> 钟形曲线
>> 这类数据集的直方图呈现类似的钟形曲线：中间是一堆接近均值的数值，而随着离均值越来越远，数值越来越少。当一组数据呈现这种形状时，通常表明它源于正态分布（normal distribution）。
>> 具体情况具体分析
>> 条件概率（conditional probability）。它指的是，在另一件事也发生的情况下，某件事发生的概率。条件概率使我们能通过运用附加信息，更好地估计概率。
>> 是对还是错？
>> 由于产生每一类错误都会带来后果，所以在设计系统时必须将这些后果纳入考量。也就是说，你必须意识到有些错误是不可避免的，所以要在不同类型的错误之间进行权衡取舍。
>> 能否重现？
>> 进行多次检验以寻找拥有统计显著性的结果，这种做法有许多叫法，包括数据捕捞（data dredging）、“数据钓鱼”（fishing）和“P值篡改”（p-hacking，也就是试图通过篡改数据使P值变得足够小）。
>> 在应对不确定性这个问题上，研究和数据要比直觉和预感管用。
>> 本章要点
· 避免陷入“赌徒谬误”或“基础比率谬误”。
· 数据中的轶事证据和相关性会促使你提出假设，但相关性不代表因果性—你仍然需要靠设计精密的实验得出有力的结论。
· 寻找行之有效的实验设计，例如彰显统计显著性的随机对照实验或A/B测试。
· 由于存在中心极限定理，正态分布在实验分析中特别有用。请回想一下，在正态分布中，约68%的值距离均值不到一个标准差，约95%的值距离均值不到两个标准差。
· 任何孤立的实验都可能得出假阳性或假阴性结果，也可能由于众多因素出现认知偏差，其中最常见的是“选择性偏差”“反应偏差”和“幸存者偏差”。
· “重复”能增加对结果的信心。因此，在研究某个领域时，首先要寻找系统综述和（或）荟萃分析。
· 始终牢记，在应对不确定性时，你在报告中看到或自己算出的数值本身就不确定，你应该用误差条找出并上报那些数值！
网友评论