i am a loser
i am a loser
Subscribe to kyyyaiyy
Subscribe to kyyyaiyy
Share Dialog
Share Dialog
<100 subscribers
<100 subscribers
“前两章的内容展示了如何使用和利用噪声和随机性;但噪声和随机性也可以使用和利用你,特别是在完全不自然的情况下——依靠网络或者媒体获取大量数据的情况下。 你越频繁地寻找数据,你会发现,你找到的噪声(而非被称为信号的宝贵数据)的比例就越高,噪声–信号比就越高。噪声和信号的混淆并非心理问题,而是数据本身所固有的问题。假设你每年查看一次数据,比如股价、你岳父工厂生产的化肥的销售情况,或符拉迪沃斯托克的通胀数据。再假设,当你观察数据的频率为每年一次时,信号–噪声比为1∶1(一半噪声,一半信号),这意味着,大约有一半的变化是真正的改善或恶化,而另一半的变化来自随机性。这个比例是你每年观察一次会得到的比例。但如果你每天查看一次同样的数据,那么这些数据的构成就会变成95%的噪声和5%的信号。如果你观察[…]”
摘录来自 反脆弱:从不确定性中获益 纳西姆•尼古拉斯•塔勒布 此材料可能受版权保护。
“前两章的内容展示了如何使用和利用噪声和随机性;但噪声和随机性也可以使用和利用你,特别是在完全不自然的情况下——依靠网络或者媒体获取大量数据的情况下。 你越频繁地寻找数据,你会发现,你找到的噪声(而非被称为信号的宝贵数据)的比例就越高,噪声–信号比就越高。噪声和信号的混淆并非心理问题,而是数据本身所固有的问题。假设你每年查看一次数据,比如股价、你岳父工厂生产的化肥的销售情况,或符拉迪沃斯托克的通胀数据。再假设,当你观察数据的频率为每年一次时,信号–噪声比为1∶1(一半噪声,一半信号),这意味着,大约有一半的变化是真正的改善或恶化,而另一半的变化来自随机性。这个比例是你每年观察一次会得到的比例。但如果你每天查看一次同样的数据,那么这些数据的构成就会变成95%的噪声和5%的信号。如果你观察[…]”
摘录来自 反脆弱:从不确定性中获益 纳西姆•尼古拉斯•塔勒布 此材料可能受版权保护。
No activity yet