发帖数: 1 | 1 “概率”一词，已无孔不入地侵入现代人生活的方方面面，装NB也好、扮SB也罢，就像
当年有人喜欢把U盘挂在胸前乱晃，把似懂非懂的“概率”挂在嘴边已成一种时尚。
人生，不过是一场确定性死亡的概率游戏？
这个清明节出了点意外，这么说吧，那一刻有很大的概率要与科学网永远了，上帝保佑
！清明思故人，大学同窗可舟兄生前曾感叹：“上帝开了我个天大的玩笑！”，大名鼎
鼎的霍金有个中国学生叫吴忠超（霍金科普著作的中译本，几乎都是他的杰作），可舟
兄在美国与吴忠超做了N年面对面邻居，M年后，却不幸得了与霍金一模一样的病，以概
率的语言，这算中头彩吧？
前些日子，死气沉沉的科学网好似恢复了一丁点人气，XX帮与YXX帮因张天蓉博主的博
文《概率论悖论》而纠缠厮杀，双方火拼的根本原因是《概率论悖论》中的贝叶斯概率
例子：
王宏去医院作验血实验，检查他患上了X疾病的可能性，其结果居然为阳性，把他吓了
一大跳，赶忙到网上查询。网上的资料说，实验总是有误差的，这种实验有“百分之一
的假阳性率和百分之一的假阴性率”。这句话的意思是说，在得病的人中做实验，有1%
的人是假阳性，99％的人是真阳性。而在未得病的人中做实验，... 阅读全帖 |
|
T*******I
发帖数: 5138 | 2 【 以下文字转载自 Statistics 讨论区 】
发信人: TNEGIETNI (lovewisdom), 信区: Statistics
标 题: 一位无知的贝叶斯统计专家的荒谬
发信站: BBS 未名空间站 (Wed Feb 9 14:12:54 2011, 美东)
一位网名为“没想法”的人在阎润涛关于朗朗白宫演出事件的博客文章中发表评论
如下：
“其实，郎郎在白宫演奏一事的这个“罗生门”，用贝氏统计学方法就可以推出最大
可能性：
对于“我的祖国”的音乐涵义，这里有四种组合：（这里排除中国政府，因为他们
肯定懂，不然，google上的搜索词不会有这么多缺失。）
假设美国政府里面有25%人知道，朗朗知道的可能性为50%。
1）白宫知道，朗朗知道；0.25*0.5=0.125
2）白宫不知道，朗朗知道；0.75*0.5=0.375
3）白宫知道，朗朗不知道；0.25*0.5=0.125
4）白宫不知道，郎郎不知道；0.75*0.5=0.375
取几率最大的两种可能：分别是2和4，白宫和朗朗选择4，外界评论普遍选择2。里... 阅读全帖 |
|
q****8
发帖数: 3281 | 3 来点干货，用概率论来推测老张犯案的可能性。
有人声称：“都判25年了，还没性侵吗？” 还有人说：“法官，律师，陪审团，那么
多人还没你一个人聪明？”一些大妈大叔太感情用事，代入感太强。我不能说他们中没
人是经过理性分析，觉得老张真的性侵的可能性大，但大多数人是看到判了25年，而且
美国法律流程完善，所以认定老张性侵属实。也就是说，你们根据老张被判有罪这一事
实，来推论老张性侵属实。
现在用贝叶斯定理来解释一下，让大妈大叔看看这个逻辑是多么可笑。贝叶斯定理是大
多概率统计书里第一章的内容，有些放在第二第三章，不信或不懂我说的可以去参考教
科书。
事件A：老张性侵属实
事件B：老张被判有罪
事件B是已知发生事件，现在要考虑P(A|B),也就是基于老张被判25年的事实，问老张性
侵属实的概率是多少。
P(A|B)= P(B|A)*P(A)/P(B)
P(B|A)：
这是基于老张性侵属实的事实，问老张被判有罪的概率是多少？性侵案件属实的话通常
会留下DNA等铁证，如果没有铁证，通常会有辅佐证据，以及合理的被害人论述，外加
陪审团同情小女孩的因素，这个概率会是很高，我给个95%。
-------... 阅读全帖 |
|
j****i
发帖数: 68152 | 4 来点干货，用概率论来推测老张犯案的可能性。
有人声称：“都判25年了，还没性侵吗？” 还有人说：“法官，律师，陪审团，那么
多人还没你一个人聪明？”一些大妈大叔太感情用事，代入感太强。我不能说他们中没
人是经过理性分析，觉得老张真的性侵的可能性大，但大多数人是看到判了25年，而且
美国法律流程完善，所以认定老张性侵属实。也就是说，你们根据老张被判有罪这一事
实，来推论老张性侵属实。
现在用贝叶斯定理来解释一下，让大妈大叔看看这个逻辑是多么可笑。贝叶斯定理是大
多概率统计书里第一章的内容，有些放在第二第三章，不信或不懂我说的可以去参考教
科书。
事件A：老张性侵属实
事件B：老张被判有罪
事件B是已知发生事件，现在要考虑P(A|B),也就是基于老张被判25年的事实，问老张性
侵属实的概率是多少。
P(A|B)= P(B|A)*P(A)/P(B)
P(B|A)：
这是基于老张性侵属实的事实，问老张被判有罪的概率是多少？性侵案件属实的话通常
会留下DNA等铁证，如果没有铁证，通常会有辅佐证据，以及合理的被害人论述，外加
陪审团同情小女孩的因素，这个概率会是很高，我给个95%。
-------... 阅读全帖 |
|
B********4
发帖数: 7156 | 5 贝叶斯定理是为了解释一个新的知识（P(B)判有罪）出来以后，对之前的先验概率（
P(A)老张犯罪了）应该怎样修正。
修正因子P(B|A)/P(B)也有時被稱作標准相似度（standardised likelihood），贝叶斯
定理可表述為：
后驗概率 = 標准相似度*先驗概率
基于我们都同意这样一个假设：美国冤案率还没超过50%。所以这个修正肯定是会在P(A
)基础上提高。所以P(A)（在不知道审判结果的情况下老张犯罪概率）其实非常关键，
而这个其实就是争论最大的地方。 |
|
发帖数: 1 | 6 最近看到关于贝叶斯定理：
“《决策与判断》书中举了这样一个调查案例：
假设有两个各装了100个球的箱子，甲箱子中有70个红球，30个绿球，乙箱子中有30个
红球，70个绿球。假设随机选择其中一个箱子，从中拿出一个球记下球色再放回原箱子
，如此重复12次，记录得到8次红球，4次绿球。问题来了，你认为被选择的箱子是甲箱
子的概率有多大？
调查结果显示，大部分人都低估了选择的是甲箱子的概率。
根据贝叶斯定理，正确答案是96.7%。
《决策与判断》第十二章中讲到人们都有保守主义情结，即使出现了新信息，也不愿意
根据新信息来更新先验概率。用前面解释里面的话说就是：新信息是 B 事件不断发生
，人们本应该根据这个信息去更新 A 事件发生的概率，但人们却更愿意固守之前估计
的 A 事件发生的概率。
”
它告诉我们：判断股票的涨跌，用多个迹象分析要比分析单一迹象要好得多。
https://www.youtube.com/watch?v=dCsoSXPcCZk |
|
s***c
发帖数: 1926 | 7 贝志诚得到了贝叶斯(Bayesian)的算法真传，写个电子邮件的分类学习算法算个鸟。
这比Google的Page Rank算法早了几百年，也没多大的相关性。 |
|
d****o
发帖数: 32610 | 8 美国照现在的路子，
贝叶斯迟早因为政治不正确被打入冷宫 |
|
k**********4
发帖数: 16092 | 9 LZ的逻辑推理都是对的，只是贝叶斯定理允许根据主观臆测 assign probability 才造
成结果有争议 |
|
f*******g
发帖数: 1290 | 10 LZ没有common sense 能怪到贝叶斯身上？你的逻辑前提如此荒谬，得出了更加荒谬的
结论，能叫逻辑推理无误？你在社区大学教书？ |
|
m**i
发帖数: 9848 | 11 所以贝叶斯的文章先验很重要啊，先验不靠谱，文章分分钟被拒…… |
|
T****t
发帖数: 11162 | 12 美国法律扯淡， 据说强奸犯验DNA后发现冤枉了不少。
楼主的贝叶斯更是扯淡。 自己乱设置一个前提概率，然后就开始拿个公式求解。 就和
射击的时候，把有画靶命中靶心的概率和拿着枪随机打的概率进行计算 |
|
T****t
发帖数: 11162 | 13 谁关心你的贝叶斯。将军都关心老张是不是被冤了。
明天还可以写一篇，用量子理论来看老张性侵。
后天，爱因斯坦相对论来看老张是否性侵。
最后是从弗洛伊德的梦的解析来看女孩是否冤枉了老张 |
|
B********4
发帖数: 7156 | 14 能用贝叶斯定理来推导后验概率，是因为已知先验概率。
P(A|B)=P(B|A)*P(A)/P(B)
P(B|A)是性侵了法院判有罪的概率. 你就是能接触所有文件，也不能知道是不是真性侵
。 要能知道，那岂不是100%无冤案？
P(A)是已知老张这个情况（但不知道判决结果）他真犯罪的概率。这个不就是本版争论
最大的概率吗？有人说不可能，概率是0.01，有人说非常可能，概率是0.99.
P(B)是历史上象老张这个情况，陪审团判有罪的概率。这个靠搜索记录是有可能查到的
，但谁有这个本事去调查？
楼主的先验概率都是自己瞎猜的，所以结果也就是和瞎猜一样，没有任何意义。我也可
以瞎猜一个
P(B|A)： 相信美国陪审团冤案不太高， 给0.8;
P(A): 这个是最难的。既然网友的观点对半分，给0.5;
P(B): 美国陪审团在证据比较弱的情况下判性侵有罪的概率。既然谁都不知道，公平起
见给0.5;
所以最后P(A)=0.8 张真性侵的概率为80%。 |
|
d*b
发帖数: 4453 | 15 也不能这么说。贝叶斯定理是个经验概率，就是根据经验，对前提进行假设，然后计算
随机结果。对老张而言，把经验假定值，比方老张曾经帮人搬家了100次，但被投诉或
者发生了但没有投诉的对小孩的侵害设定为1/100，或者10/100对结果影响很大是事实
。 但是，这个经验值到现在为止是0，也就是说，老张搬家几十年或者十几年，没有一
个家庭或者当事人投诉老张干了同样的事。那么这个经验假定就很难确定。取1/100，
还是10/100都是经验判断，无法绝对错或者对。但如果从纯数学角度讲，没有就是没有
，取1/100已经够宽容了。
这是一个独特的分析方法，如果真拿到法庭上去，还真可以唬一下。应为关键是没有人
投诉过老张，前提的经验发生率是0！ |
|
q****8
发帖数: 3281 | 16 这个不用贝叶斯，是排列组合。答案是100%，现实生活中，任选12人，都不是傻逼的概
率是亿万分之一，忽略不计。这个世界大多数是傻逼，否则早乱套了。 |
|
发帖数: 1 | 17 通过民意调查并用贝叶斯分析估计，美国人中强无神论者比例占17%-35%，最大的可能
是26%。 |
|
|
d*********i
发帖数: 628 | 19 面试的时候经常被问概率问题，有时慌了会想错。想找一个方法能保证不出错。
是不是任何算概率的问题，都能被转化为贝叶斯公式去做？ |
|
f**********n
发帖数: 16889 | 20 你把简单问题搞复杂了
贝叶斯跟这个没关系
少? |
|
F******k
发帖数: 7375 | 21 跟风出个简单的可以心算的贝叶斯公式应用题吧
房间里有5个婴儿，2个男婴3个女婴。然后随机往房间里加了一个婴儿。然后随机从房
间里抱出一个婴儿，是男婴。请问前面加到房间里的婴儿是男婴的概率是多少？ |
|
发帖数: 1 | 22 亲们，不好意思，受人所托咨询几个问题：
实务里面，贝叶斯学习在金融工程定价中使用普遍吗？？
技术方面，现在墙街需要做金融计量/统计的多，还是做定价的多？？
啊啊啊 实在不懂，就直接COPY人家的问题了，希望牛牛们帮助回答一下，轻拍哈～～
～ |
|
y******e
发帖数: 5906 | 23 路过
纯感叹一下贝叶斯简直无所不能应用啊
太强大了 |
|
|
l*********s
发帖数: 5409 | 25 netflix price 原始的贝叶斯随机矩阵分解解法：
http://citeseerx.ist.psu.edu/viewdoc/download?
doi=10.1.1.127.6198&rep=rep1&type=pdf
我的问题是
1)如果没有适当的限制，因子分析的解不是唯一。 这个对MCMC有什么影响？比如，多模态? 边际分布
弥散？
2)要进行多维的预测，怎么做呢？后验密度函数给出预测分布的均值？模？ 如果是模，怎么求经验多元
分布的模？ |
|
T*******I
发帖数: 5138 | 26 一位网名为“没想法”的人在阎润涛关于朗朗白宫演出事件的博客文章中发表评论
如下：
“其实，郎郎在白宫演奏一事的这个“罗生门”，用贝氏统计学方法就可以推出最大
可能性：
对于“我的祖国”的音乐涵义，这里有四种组合：（这里排除中国政府，因为他们
肯定懂，不然，google上的搜索词不会有这么多缺失。）
假设美国政府里面有25%人知道，朗朗知道的可能性为50%。
1）白宫知道，朗朗知道；0.25*0.5=0.125
2）白宫不知道，朗朗知道；0.75*0.5=0.375
3）白宫知道，朗朗不知道；0.25*0.5=0.125
4）白宫不知道，郎郎不知道；0.75*0.5=0.375
取几率最大的两种可能：分别是2和4，白宫和朗朗选择4，外界评论普遍选择2。里面的
原因只能大家自己体会。”
阎文及“没想法”的评论在此：
http://blog.wenxuecity.com/blogview.php?date=201102&postID=4585
这位卖弄贝叶斯技术的统计专家很可能根本不懂音乐，这才有了如此武断的先验... 阅读全帖 |
|
|
t*******r
发帖数: 364 | 28 谁能帮忙解释一下： 贝叶斯树预测模型
名词解释即可 |
|
g*****o
发帖数: 812 | 29 我猜是上层的结果会决定下层各分支的概率吧
我只知道贝叶斯网... |
|
g*****o
发帖数: 812 | 30 我后来发现, 一维的例子里确实搞错了, 应该是得1的
但是我现在有个问题, 就是贝叶斯公式上面的分子我要求p(x1,x2,x3...xn|y)*p\(y)
即使x1...xn相互独立, 也不能把p(x1,x2,x3...xn|y)拆开吧 |
|
|
z*****4
发帖数: 45 | 32 我试图将数据拟合到一个模型中: Signal = a*exp(-R1*t)+b*exp(-R2*t).要拟合的参
数是R1，R2，a和b。 R1和R2更重要。有12个数据点: 12个t,对应12个Signal。我想用
贝叶斯概率理论来求R1，R2，a和b。 我在看贝叶斯分析的逻辑回归模型: https://www
.mathworks.com/help/stats/examples/bayesian-analysis-for-a-logistic-
regression-model.html。 但是，我还没想出如何写the prior distribution, the
posterior distribution, or maximum likelihood for my question。 这个网页也可
能是相关的: https://www.mathworks.com/help/stats/examples/curve-fitting-and-
distribution-fitting.html。
有人可以教我贝叶斯方法的实现数据拟合么，或是分享Matlab code实现贝叶斯方法... 阅读全帖 |
|
z*****4
发帖数: 45 | 33 借贵宝地请教：
我试图将数据拟合到一个模型中: Signal = a*exp(-R1*t)+b*exp(-R2*t).要拟合的参
数是R1，R2，a和b。 R1和R2更重要。有12个数据点: 12个t,对应12个Signal。我想用
贝叶斯概率理论来求R1，R2，a和b。 我在看贝叶斯分析的逻辑回归模型: https://www
.mathworks.com/help/stats/examples/bayesian-analysis-for-a-logistic-
regression-model.html。 但是，我还没想出如何写the prior distribution, the
posterior distribution, or maximum likelihood for my question。 这个网页也可
能是相关的: https://www.mathworks.com/help/stats/examples/curve-fitting-and-
distribution-fitting.html。
有人可以教我贝叶斯方法的实现数据拟合么，或是分享Matlab cod... 阅读全帖 |
|
|
|
f****0
发帖数: 835 | 36 对《韩寒代笔探讨：强质疑、弱质疑、和忽悠》一文意见的简要回复
尽管收到了很多回复和信件，但由于这篇文章本来就是写着玩的，所以不准备一一回复
了。写个公开的回复吧。
1.来信收到
有人指出，标题顿号用错了。谢谢:)
还有人说这篇貌似公允云云。我文章开头就写了，由于大家关心站队，为了防止大
家说我“公允，各打50大板”之类的废话，所以我对此事的判断在文章一开始就列出了
：从目前的证据看，韩寒长篇和竞赛作品代笔可能性非常小，善意推定的话，韩寒早期
作品和博客，也应该是他自己的作品。
尤其是说《三重门》是韩仁均代笔的，其荒谬程度就好像指证墨武的《武林高手在
校园》是金庸代笔的一样，装中立都显得很搞笑。大家是没看过《三重门》还是怎么着
？是不是以为是部巨作啊？完全不理解。这只是当年各种中学校园笑话段子、动漫、流
行歌曲横行的一本畅销书而已。上次的文章发出后，有人来信问我的文章里“卧石答春
绿”是什么意思？这是一个中学笑话段子，韩寒在《三重门》中用来讽刺读死书的人。
有人问“Wait and See”是什么意思，这是90年代初中期的热门动画片《兔子，等着瞧
》每集都有的片头... 阅读全帖 |
|
n**e
发帖数: 2026 | 37 请问你在这里说的电压是指给计算机供电的电源电压吗？好像不是吧。利用自己有一点
知识就想来愚弄他人，这种事还是不要做对你比较好。
另外你提到贝叶斯公式，利用多个地表参数综合分析预测地震，在概率问题上就是贝叶
斯公式的原理。我用“地震预测贝叶斯”查了一下贴在下面。你看不看不都没关系。希
望看到这个帖的让人们不要被你愚弄。
科学网博客-（4）临震预报的贝叶斯框架 - [ Translate this page ][打印]（4）临
震预报的贝叶斯框架 ... 他认为唐山地震的灾情惨烈和地震预报工作者的经验不应该
被遗忘。他们追踪的是什么前兆？其他误报的又是什么前兆？ ...
www.sciencenet.cn/m/Print.aspx?id=49186 - Cached
科学网-李小文的博客-临震预报的贝叶斯框架 - [ Translate this page ]但是在我们
能找到真正的确定性前兆之前，我相信概率论的加法定理、乘法定理、和贝叶斯定理，
应该是我们地震预报的基本思路。但这需要有人来积累经验知识。 ...
sciencenet.cn/m/user_content.aspx?ac=p |
|
发帖数: 1 | 38 英国人小学版的数学教材开始全面学习中国的教材了，国民的算术能力普遍差，但是伟
大的数学家出于英国的有很多。
11 个回答
==========
中国古代的数学，其实就是算术学。算术学不能算作思维工具，虽然具有计算的工具属
性，但没有思维工具的属性。但是，数学的真正价值在于其作为思维工具应用于各种学
科领域之中。也就是说，真正的数学家是一种工具的发明者，而工具的意义就在于通用
性，思维工具的意义就在于思维上的通用性。可以解决很多问题，尤其是现实生产、生
活中的问题。要知道中国的老祖宗的《易经》，其目的也是发明一种预测工具，但是这
种预测工具的经验基础不错（阴与阳），但工具本身可靠性不好，以至于今天很多专家
说《易经》是巫术理论。这种工具可靠性不好的原因在于没有严密的思维方法，而是有
很多不严密的思维方法，如类比法。欧洲人的形式逻辑，源于古希腊系列思想家建立的
体系的传承。尤其是柏拉图建立的柏拉图学园，前后进千年，这么长时间的发展自然奠
定了欧洲人的思想认知体系，是以形式逻辑为主导的。不仅仅是英国出现了很多科学家
，后来的世界科学中心法国，更是出现了很多数学家，我们学高等数学时出现的很多名... 阅读全帖 |
|
h*******y
发帖数: 304 | 39 对《韩寒代笔探讨：强质疑、弱质疑、和忽悠》一文意见的简要回复ZZ
破破的桥
尽管收到了很多回复和信件，但由于这篇文章本来就是写着玩的，所以不准备一一回复
了。写个公开的回复吧。
1.来信收到
有人指出，标题顿号用错了。谢谢:)
还有人说这篇貌似公允云云。我文章开头就写了，由于大家关心站队，为了防止大
家说我“公允，各打50大板”之类的废话，所以我对此事的判断在文章一开始就列出了
：从目前的证据看，韩寒长篇和竞赛作品代笔可能性非常小，善意推定的话，韩寒早期
作品和博客，也应该是他自己的作品。
尤其是说《三重门》是韩仁均代笔的，其荒谬程度就好像指证墨武的《武林高手在
校园》是金庸代笔的一样，装中立都显得很搞笑。大家是没看过《三重门》还是怎么着
？是不是以为是部巨作啊？完全不理解。这只是当年各种中学校园笑话段子、动漫、流
行歌曲横行的一本畅销书而已。上次的文章发出后，有人来信问我的文章里“卧石答春
绿”是什么意思？这是一个中学笑话段子，韩寒在《三重门》中用来讽刺读死书的人。
有人问“Wait and See”是什么意思，这是90年代初中期的热门动画片《兔子，等着瞧
》... 阅读全帖 |
|
y***n
发帖数: 309 | 40 呵呵，我不同意你的观点。
先申明我也是Bayesian(or Empirical Bayesian).
频率学派与贝叶斯学派的区别主要是是否允许先验概率分布的使用。
频率学派并不把所有参数看作普通变量（我想应该是known or unknown fixed
variable,姑且用你的名词），比如hierarchical model和random effect model。
而贝叶斯学派在先验分布中也有普通变量,比如hyperprior parameter。
你对无偏估计的论断我也不同意，因为你的定义本身不合理。如果t是随机变量，
你可以用E[T|t]=t,或者在由边际分布得到E[T]=m，一个独立于t的量。
贝叶斯的好处在于贝叶斯的推断问题相对简单，点估计，区间估计和假设检验
全部可以由后验分布得到，尤其是计算机技术的发展和MCMC方法的出现使得
非共轭后验分布的使用和计算成为可能。而且它的理论架构天然符合人渐进
的认识规律。我今天早上刚好还想到可以用“时时勤拂拭，莫使惹尘埃”来
形容贝叶斯学派，恰不恰当大家看看。
但是贝叶斯(Full Bayesian)的问题在于，无信息先验已经被 |
|
|
h*i
发帖数: 3446 | 42 老实说，我对贝叶斯数据分析的方法的普及也不抱任何幻想。美国一般学心理学的数学
能力太差了，不可能一下子就变了。只可能慢慢的变。不过我觉得在中国，要有好老师
，是可以迅速打开局面的。
但我说的革命性的影响，更多的是从对认知科学的影响。 作认知心理学的可能不少都
有一种体会，就是传统心理学实验方法感觉走到绝路了，要想往神经生理上靠，但怎么
比得过人家学生物的呢？没有自己的一套东西是不行的。我觉得，贝叶斯的观点可能是
拯救认知心理学的一个出路。事实上，这个革命已经开始了，老家伙们支持，新AP们都
在往贝叶斯的路上靠。 看看现在Bulletin, Review的文章就知道了。
Jaynes的观点对心理学的价值大家还没有完全认识到，我觉得是很有可挖掘的。他的
bitterness其实也正常啦，在学术界是算一般的。冷嘲热讽的文章比这厉害的多多了。
大概你们搞psychometrics的比较civil吧，呵呵。
至于Kolmogorov的概率系统，Jaynes自己也认为和贝叶斯的是一致的。Kolmogorov的系
统是好的数学，没有人否定这个，问题是和现实没有关系。好的数学系统多了去了，能
描述现实 |
|
l****z
发帖数: 29846 | 43 2010-12-21 19:09:28
最近我在【时代论坛】读到关伟基先生的文章〈面对霍金的震撼〉，该文指出，教会可
藉着霍金的新书
【伟大设计】（Grand Design）带来的震撼，从而有所反省。坦率地说，我不认为该书
为基督教带来了
一次巨大的冲击。这一篇短文之目的不是去反驳霍金所说，相反，我只尝试列出基督教
学人过往对霍金的
物理学理论作出的不同反应。
斯蒂芬霍金：多元宇宙和M理论
【伟大设计】其中一个主要的概念是：很多人都惊讶于奇妙的自然法则，因为宇宙似乎
是专为人类而设，
宗教人仕利用这个所谓“人择原理”（Anthropic principle），支持一个宇宙创造者
的存在。但霍金
并不认为有必要假设一个上帝，他指出，在太初，物质自发地经量子波动（quantum
fluctuations）
而出现，有些微小的泡沫扩大，形成了星系，每个宇宙是在一个泡沫内，因此有多元宇
宙。此外，霍金用M
理论去辩证多元宇宙，M理论综合了不同版本的弦理论（String theory），虽然我们只
可以体验三个维
度（Dimension），但根据M理论所说，实际上物理世界有十一个维度，我们的宇... 阅读全帖 |
|
p****y
发帖数: 23737 | 44 2006年3月26日，新语丝发表了司履生的举报信，举报魏于全院士论文造假。（全文见
：http://bbs.ebiotrade.com/showtopic-12290.aspx ）方舟子在登出这封举报信时，加了按语，表示认为司履生举报成立，魏于全的论文确实造假。按语全文如下：
【方舟子按：司履生教授信中提到的给Nature Medicine的评述我在2003年已收到，后
来根据司教授的意见，没有公布。我很高兴司教授现在愿意公布此事。我认为司教授对
魏于全院士论文有假的指控是成立的。中国科学院应该认真调查此事，给公众一个交代
。如果调查结果认定魏于全院士发表的Nature Medicine论文的确有假，不管他该负的
责任有多大，鉴于魏于全能够在2003年当选院士是因为假成果，那么中国科学院至少应
该免去其院士称号。】
三天后，也就是2006年3月29日，魏于全院士向“新语丝”网站发去实名回复，回复中
附有其2003年答复杂志编辑部疑问的原文。该文表示，“司先生很多问题的提法本身是
不准确的，甚至还是错误的”。（该文未查到原文，仅有相关新闻描述）
2006年3月31日，方舟子本人在新语丝发... 阅读全帖 |
|
h****h
发帖数: 182 | 45 看到国内居然有人把naive baysian classifier 翻译成 朴素贝叶斯，我吐了。
尼玛，那什么是奢华贝叶斯？这些科技名词根本不用翻译吧。
iphone不是没有翻译吗。
就算翻译，翻译成简单贝叶斯也好啊。国内很多技术人员垃圾英语水平太差了。 |
|
i****x
发帖数: 17565 | 46 嗯，来了个懂行的
decon就是个自以为是的烂校小本，知道点皮毛就来卖弄，更深层的东西我根本就懒得
给他提。而且他在论坛上一向如此，这非常可悲。不是每个人在所有方面都有知识，但
大多数人至少能意识到自己在某些方面只知皮毛，不会到处嘚瑟。
他开始说什么这个统计没有normailization，后来我明白他以为条件概率公式的分母就
是normalization，其实那个是“率”字的定义里就有的，跟normalization毫无关系。
所谓normalization指的是奔驰和丰田死亡数不可以直接比较，因为丰田车总数远多于
奔驰。而他解决所谓normalization问题的方法更可笑，搞出个什么贝叶斯公式，我都
没法解释贝叶斯跟这个问题有多么风马牛不相及。
然后他又开始纠结什么概率和统计的差异，其实我一眼就看得出他根本没理解什么是统
计。假设福克斯死亡率是个伯努利随机变量，这是概率模型，但概率不可能知道，而现
实中的福克斯死亡率是个样本统计，这个死亡率就是概念中的“真实死亡概率”的无偏
估计量，这个估计量自然不准确，但解决办法是构造置信区间而不是什么
normalization和贝叶斯都公式... 阅读全帖 |
|
i****x
发帖数: 17565 | 47 嗯，来了个懂行的
decon就是个自以为是的烂校小本，知道点皮毛就来卖弄，更深层的东西我根本就懒得
给他提。而且他在论坛上一向如此，这非常可悲。不是每个人在所有方面都有知识，但
大多数人至少能意识到自己在某些方面只知皮毛，不会到处嘚瑟。
他开始说什么这个统计没有normailization，后来我明白他以为条件概率公式的分母就
是normalization，其实那个是“率”字的定义里就有的，跟normalization毫无关系。
所谓normalization指的是奔驰和丰田死亡数不可以直接比较，因为丰田车总数远多于
奔驰。而他解决所谓normalization问题的方法更可笑，搞出个什么贝叶斯公式，我都
没法解释贝叶斯跟这个问题有多么风马牛不相及。
然后他又开始纠结什么概率和统计的差异，其实我一眼就看得出他根本没理解什么是统
计。假设福克斯死亡率是个伯努利随机变量，这是概率模型，但概率不可能知道，而现
实中的福克斯死亡率是个样本统计，这个死亡率就是概念中的“真实死亡概率”的无偏
估计量，这个估计量自然不准确，但解决办法是构造置信区间而不是什么
normalization和贝叶斯都公式... 阅读全帖 |
|
w***g
发帖数: 5958 | 48 我没看过Hastie那本, 但是看了眼目录, 感觉比Bishop那本更好. Hastie基本上每一章
讲的是Machine Learning的一类方法, 覆盖面很全, 篇幅分配也比较均衡. Bishop的书
其实应该叫"Bayesian Methods for PRML", 把所有的方法都纳入了贝叶斯统计的体系.
虽然很有系统性, 各种方法也都能覆盖到, 但是对于一些实用性较强的方法如SVM,
Bishop用了大量的篇幅论述这些方法的实用性不那么强的贝叶斯版本, 而忽略了这些方
法非贝叶斯的一些扩展, 感觉比较有失偏颇.
另外, Hastie和Bishop两本书貌似都没有涉及VC Theory和Generalization Error的内
容, 作为教材的话感觉缺了一大块, 得补一些Vapnik和Schapire的书中的章节. |
|
w***g
发帖数: 5958 | 49 我没看过Hastie那本, 但是看了眼目录, 感觉比Bishop那本更好. Hastie基本上每一章
讲的是Machine Learning的一类方法, 覆盖面很全, 篇幅分配也比较均衡. Bishop的书
其实应该叫"Bayesian Methods for PRML", 把所有的方法都纳入了贝叶斯统计的体系.
虽然很有系统性, 各种方法也都能覆盖到, 但是对于一些实用性较强的方法如SVM,
Bishop用了大量的篇幅论述这些方法的实用性不那么强的贝叶斯版本, 而忽略了这些方
法非贝叶斯的一些扩展, 感觉比较有失偏颇.
另外, Hastie和Bishop两本书貌似都没有涉及VC Theory和Generalization Error的内
容, 作为教材的话感觉缺了一大块, 得补一些Vapnik和Schapire的书中的章节. |
|
g*****l
发帖数: 424 | 50 【 以下文字转载自 DataSciences 讨论区 】
发信人: greatel (灵致), 信区: DataSciences
标 题: 数据科学之江湖兵器谱
发信站: BBS 未名空间站 (Sun Oct 9 16:57:10 2016, 美东)
【注】原发于微信公众号：data_wisdom
数据江湖，风起云涌。各路英豪，群雄逐鹿。
这是一个数据科学最好的时代，也是数据江湖最乱的时代。
那么在这么一个特殊的江湖里面浪，有什么兵器是值得我们去关注的呢？这篇文章列举
了一些常用方法（刀剑），并不涵盖工具与平台。就先让我们一起去看看这个排名不分
先后左右的兵器谱。
数据科学家Vincent Granville博士发表博文列举了数据科学家常用的45种技术。这是
个很适合初学者去逐个了解的列表。当然，这并不代表数据科学（统计学）的全部。虽
然他并没有提出自己的详细总结，但是有志于学习数据科学的同学不妨初步有个印象，
有不太熟悉的topic可以进一步去了解一下。另外我在后面也补充了我认为也值得学习
的领域，很多人都会在日常的数据实践中用到。多学有益于身心健康。
首先需要说明的是，这些技术... 阅读全帖 |
|
