Tres consejos para enseñarte a predecir fácilmente el futuro.
¿Existen métodos de nivel superior además de este?
Sí, los matemáticos construyen modelos para predecir escenarios y determinar la dirección general del futuro.
El big data ahora es popular y vivimos en la era del big data. A través de la recopilación de datos, podemos construir un modelo matemático para emitir juicios y mostrarnos un futuro confiable basado en una gran cantidad de datos.
Aunque los big data están estrechamente relacionados con nuestras vidas, como gente común, la recopilación de datos ya es un gran problema, sin mencionar la gran cantidad de algoritmos posteriores a la recopilación de datos. Parece que no tenemos acceso a estas cosas de alta gama.
De hecho, con la popularidad actual del big data, no es práctico aplicarlo a la vida de la gente corriente. Sin embargo, si hay algunos datos pequeños en la vida, simplemente podemos procesarlos y juzgarlos.
De hecho, hemos estado usando estos métodos, confiando en la intuición, pero no conocemos los principios científicos detrás de ellos. Por ejemplo, cuando estamos esperando el autobús, ¿cómo juzgamos cuándo llega? ¿Volverá el próximo autobús? ¿Vale la pena esperar?
Bayes tenía esas dudas hace más de 250 años. ¿Cómo deberíamos juzgar las tendencias futuras? Sin el apoyo de big data hace más de 250 años, ¿cómo podría resolverlo el bayesiano?
El problema bayesiano es este:
Si la probabilidad es del 100%, entonces la probabilidad de ganar los tres billetes de lotería también es del 100%. Pero si es del 50%, la probabilidad de ganar tres billetes de lotería pasa a ser 1/2×1/2×1/2 = 1/8. Si la probabilidad de ganar es del 1%, entonces la probabilidad de ganar los tres billetes de lotería se convierte en 1/100×1/100×1/100.
Bayes cree que la probabilidad de 1/8 es mayor que 100% y la probabilidad de 1/100×1/100 es mayor que 100. Bayes también publicó su propio artículo sobre este tema. La contribución más importante de Bayes radica en cuantificar la intuición e inferir sobrehipótesis.
En realidad, el bayesiano no resuelve este problema, porque si le preguntas a la probabilidad bayesiana, ¿qué es? No lo sabía, sólo dijo que era más probable que eso.
Unos años más tarde, el matemático francés Laplace dio una solución, y la respuesta era bastante sencilla. Si hay W ganadores en N intentos, entonces la situación futura es: (w+1)/(n+2). Ésta es la famosa ley de Laplace.
Laplace también utilizó esta regla en su propia vida. Por ejemplo, ¿cuál es la probabilidad de que nazca un niño o una niña en el futuro? Se puede obtener un resultado a través de esta fórmula, la proporción entre hombres y mujeres es cercana a 1:1.
Laplace abre la puerta al procesamiento de nuestros pequeños datos en el mundo real.
Los Small Data también tienen la belleza de los Small Data. Puede que no sean perfectos, pero son lo suficientemente perfectos como para mejorar nuestras vidas. Después de tantos años de desarrollo, se puede decir que ha habido algunos resultados graduales en la aplicación de datos pequeños.
Para poder ampliar estos pequeños datos es necesario que existan algunos datos previos que lo respalden. Definitivamente no, al menos es una suposición, aunque no sea realista.
Estas conjeturas y datos previamente contrastados determinarán el método que utilicemos. Tres consejos para enseñarte cómo predecir fácilmente el futuro. Los siguientes son tres datos previos y nuestros métodos de predicción:
? La ley de la multiplicación en la distribución del poder
La ley de la potencia se refiere al desarrollo de las cosas, y la escala es inversamente proporcional al múltiplo. Cuanto mayor es la escala, menos veces. Por ejemplo, la relación entre la taquilla total de una película y la cantidad de películas. Cuando la taquilla de una película es baja, la cantidad de películas también es pequeña. Después de cierto punto, la cantidad de películas no parece aumentar mucho, pero la taquilla de las películas aumenta dramáticamente. Muestra que algunas películas representan la mayoría y generan considerables ingresos de taquilla.
La ley de potencia también se llama ley de 2/8. La parte más importante de la vida está determinada por el 20%. Los ingresos de las sociedades de inversión provienen principalmente de sus decisiones de inversión del 20%. La taquilla total de películas también contribuye principalmente con el 20% de las películas.
Si quieres predecir la taquilla que puede traer una película, sigue la ley de la multiplicación. La ley de la multiplicación tiene un coeficiente fijo y cosas diferentes tienen coeficientes diferentes. Suponiendo que el coeficiente de taquilla de una película es 1,4, entonces la película ya ha tenido una taquilla de 6 millones. Actualmente se puede predecir que esta película tendrá una taquilla de 840.
La regla de la multiplicación funciona cuando las cosas siguen una distribución de potencia.
La ley de los promedios en la distribución normal
En la distribución normal, hay muy pocas personas en los dos extremos, y la mayoría de ellas están en un área, por lo que la distribución por edades de los seres humanos se ajusta a la distribución normal. Cuando predecimos la edad, necesitamos usar la ley de los promedios. Sabemos que los muy jóvenes y los muy longevos son una minoría y la mayoría de nosotros estaremos en una zona.
Supongamos que la edad humana promedio es de 79 años y un niño tiene solo 7 años. ¿Cuántos años crees que vivirá? Según la ley de los promedios, este niño se encuentra en el pico de la distribución normal y suponemos que tiene unos 78 años. Por el contrario, si un anciano tiene 90 años, ¿cuántos años predecirías que tendría? Del mismo modo, según la normativa legal, una persona mayor puede vivir hasta los 94 años.
Acaba de salir una película y no la has visto. ¿Cuánto tiempo crees que tardarás en disfrutarlo? Según la ley media de distribución normal, una película dura unos 120 minutos. Excepto por unas pocas horas como Titanic, podemos estimar cuánto tiempo necesitamos.
? La ley constante de la distribución de Ordos
La ley constante es una cantidad inmutable que no cambiará debido a otras influencias. Lo que más nos resulta familiar es que cuando estamos jugando o inmersos en algo que nos gusta, solemos decir que terminará en cinco minutos, pero el hecho es que todavía quedan cinco minutos después de cinco minutos, y parece que No habrá tendencia a detenerse.
En el casino, a menudo nos encontramos con una situación así, es decir, hay una mano más, no jugaré más, prometo irme y el resultado es una mano tras otra. Olvida siempre lo que has dicho, esto también se llama ley del olvido.
Montaña Cheng Sanxing Dingwa. Aquí hay tres consejos para predecir el futuro. Para resumir estos tres trucos:
Si estás jugando a máquinas tragamonedas y las máquinas tragamonedas se ajustan a la distribución de energía, si ganas una vez, es probable que ganes todo el tiempo. Si pierdes, no esperes ganar, seguirás perdiendo. Ésta es la ley de la multiplicación y este efecto se amplifica constantemente.
Si una máquina tragamonedas se ajusta a la distribución normal, no siempre ganará o perderá. En cambio, en el promedio de la máquina tragamonedas, el número de ganancias y pérdidas tenderá a ser promedio.
Si la máquina tragamonedas sigue la distribución de Erci, no importa cuántas veces la juegues. No importa cuántas veces lo juegues, es probable que ganes o pierdas. Cada máquina tragamonedas está configurada de manera diferente, por lo que es importante saber a qué distribución pertenece una máquina tragamonedas.
El profesor de biología de Harvard, Steve Gould, quería saber cuánto tiempo viviría después de descubrir que tenía cáncer y se hizo una predicción. El médico simplemente le dijo que la mitad de sus pacientes murieron ocho meses después de descubrir el cáncer.
Gould cree que esto es sólo un dato y desconoce la supervivencia y distribución de este cáncer.
Si se ajusta a la distribución normal, entonces tiene unos ocho meses. Si es coherente con la distribución del poder, es completamente diferente. Cuanto más aguante, más vivirá. Incluso con una distribución normal, Gould pensaba que era una persona extrema y que podría vivir más. Como resultado, Gould vivió otros 20 años después de que le descubrieron el cáncer. Los profesores de Harvard también utilizan pequeños datos para emitir juicios. Los big data no son malos, pero cuando a veces tenemos dificultades para conseguir los big data que queremos, los pequeños datos pueden ayudarnos.
En profundidad, el principio detrás de esto es en realidad utilizar el modelado de datos, y la diferencia radica en la cantidad de datos.
Cuando se determina que algo se ajusta a una determinada distribución, por muchos datos que haya, la función que obtenemos es fija. Como se muestra en la figura anterior, podemos obtener una función a partir de unos pocos datos, o podemos obtener una función a partir de miles de puntos, pero podemos obtener la función original con la menor cantidad de datos.
La ventaja de los datos pequeños es que la toma de decisiones es rápida, pero la desventaja es que pueden no ser completamente precisos, lo que puede dar lugar a grandes desviaciones. La ventaja del big data es que nos resulta más fácil obtener un resultado preciso. La desventaja es que lleva mucho tiempo analizar los datos.
Las personas exitosas en todas las industrias tienen la capacidad de tomar decisiones en poco tiempo y la tasa de éxito en la toma de decisiones sigue siendo muy alta. ¿Por qué? En abril de este año, Harvard Business Review analizó esto y consideró que la forma de emitir juicios rápidos sobre muchas cosas complejas de la vida es formular reglas simples. Así como los Tres Trucos te enseñan una forma sencilla de predecir el futuro, los Tres Trucos son reglas simplificadas que te permiten juzgar la dirección general sin cometer errores.
Simple no significa fácil. A tres simples predicciones les siguen una gran cantidad de datos y los esfuerzos de los antepasados.
La idea de Small Data es muy diferente bajo la tendencia de Big Data, ¡pero es tan deslumbrante!
Datos de referencia
Toma de decisiones compleja
https://HBR org/2017/05/linear-thinking-in-a-nonlinear-world. dy >