贝叶斯定理:信念变化的几何学
Bayes theorem, the geometry of changing beliefs
频道:3Blue1Brown · 时长:15:11 · 发布:2019-12-22 · 播放:6042714
简介
3Blue1Brown 通过几何图形展示贝叶斯定理,说明证据应如何更新信念。视频用卡尼曼和特沃斯基风格的问题和基础概率进行讲解。
HN 为什么推荐
HN 用户推荐它作为贝叶斯定理最直观的入门介绍,并在基础概率讨论中引用。
有一个非常酷的 3Blue1Brown 视频 [0],能帮你直观感受贝叶斯定理。 — HN, 2022
中文字幕节选
本视频的目标是让你理解一个 在概率论中最重要的公式之一:贝叶斯定理。 这个公式是科学发现的核心, 是机器学习和人工智能的核心工具,甚至被用于寻宝, 20世纪80年代,由汤米·汤普森领导的一个小团队, 我没编造这个名字,使用贝叶斯搜索策略帮助发现了一艘 一个半世纪前沉没的船, 这艘船载有按今天的 价值相当于7亿美元的黄金。 所以这是一个值得理解的公式,但当然 有多个不同层次的理解。 最简单的就是知道每个部分的意思, 这样你就可以代入数字。 然后是理解为什么它是真的,稍后我会给你展示一个 特定的图表,有助于在需要时随时重新发现这个公式。 但也许最重要的层次是 能够识别何时需要使用它。 为了获得更深的理解, 你和我将按相反的顺序处理这些。 所以在剖析公式或解释使其显而易见的视觉图之前, 我想告诉你一个叫史蒂夫的人。 现在仔细听。 史蒂夫非常害羞和内向,总是乐于助人但 对人或现实世界兴趣很少。 一个温顺整洁的灵魂,他需要秩序 和结构,并且对细节充满热情。 你觉得以下哪个更可能? 史蒂夫是图书管理员,还是史蒂夫是农民? 你们中的一些人可能认出这是来自一项研究的例子 由两位心理学家丹尼尔·卡尼曼和阿莫斯·特沃斯基进行。 他们的研究意义重大,获得了诺贝尔奖, 并多次在卡尼曼的《思考,快与慢》等书中被普及, 还有迈克尔·刘易斯的《推手计划》。 他们研究的是人类的判断,经常关注这些 判断何时会非理性地违背 概率法则所暗示的应有结果。 史蒂夫的例子,我们这位可能是图书管理员也可能是农民的朋友, 说明了一种特定类型的非理性, 或者也许我该说是所谓的非理性,有人对 这里的结论存在争议,但所有这些稍后再详谈。 根据卡尼曼和特沃斯基的说法,当人们得到这段 关于史蒂夫温顺整洁的描述后,大多数人会说他是图书管理员的可能性更大。 毕竟,这些特质更符合 图书管理员的刻板印象,而不是农民。 而根据卡尼曼和特沃斯基的说法,这是非理性的。 重点不在于人们对图书管理员和农民的 性格是否持有正确或有偏见的看法,而在于几乎没有人会想到 在判断中纳入农民与图书管理员比例的信息。 在他们的论文中,卡尼曼和特沃斯基说,在美国这个比例大约是20比1。 我今天能找到的数字要高得多, 但我们还是沿用20比1这个数字,因为它更容易说明 并且同样能证明这个观点。 需要说明的是,提出这个问题并不期望任何人对 农民和图书管理员及其性格特质的实际统计数据 有完美的了解。 但问题在于,人们是否会想到去考虑 这个比例,至少做出一个粗略的估计。 理性不在于知道事实,而在于 认识到哪些事实是相关的。 现在,如果你确实想到去做那个估计,有一个相当 有一个简单的推理方法,剧透一下, 它包含了贝叶斯定理背后所有核心推理。 你可以先想象一个具有代表性的农民和图书管理员样本, 比如200个农民和10个图书管理员。 然后当你听到这个温和整洁的灵魂的描述时,
HN 上的讨论
可能吧,但更可能是缺乏知识和高估自己的知识。人们以不擅长统计而闻名,但也以对自己的数字和数据理解过度自信而闻名。我的意思是,云服务器确实努力在正常运行时间末尾多加几个9。(人们对变化率也__极其__糟糕。例如,比去年增长90%)。但我觉得一个有趣的是,也是许多统计教科书中最常见的例子,至少是涵盖贝叶斯统计的那些。那就是,如果一个测试准确率为95%,并不意味着测试呈阳性就有95%的概率患有该测试所检测的疾病。我觉得后者有一种极大的讽刺,因为我在技术和工程社区发现很多自信,尤其是在理解数字方面,却经常犯这个错误[0],并且经常想要建立精英制度(提倡标准化测试和leet code)。但理解前者应该会导致认为后者无效。[1] -------------------------------- [0] 我特别喜欢3Blue1Brown对贝叶斯定理的介绍,因为它包含了卡尼曼和特沃斯基的问题,而且(最重… — godelski, 2024-07
有一个非常棒的3Blue1Brown视频[0],能帮你直观感受贝叶斯定理。[0] [VIDEO] — logshipper, 2022-01
> 这个指标也是生活在暴力环境中的代理。可能,也可能不是。在两种环境中,目击某人被枪击的概率都极低。如果生活在暴力环境中的人数少得多,那么目击某人被枪击的人更可能来自良好环境。[LINK] [VIDEO] — ernst_klim, 2024-04
这是贝叶斯解决的经典问题:[VIDEO] 只是没有那么多在家上学的人来提供辩护。我是另一个在家上学直到大学成功的成年人,但在家上学现在并不常见,在我成长时更不流行。编辑:除非你提到的是鉴于他们在家上学而为在家上学辩护。我想HN上大多数在家上学的人都接受了不错的教育/在家上学经历。 — aeroevan, 2023-11
哇,太酷了。我一直想知道怎么做出像3Blue1Brown[1]那样时髦的YouTube视频。[1] [VIDEO] — adhesive_wombat, 2022-03
相关视频
- 这个高铁项目对美国是一个警告 · Vox · 8:25
- 动画投票方法 · Unify The Vote · 6:18
- 我们的投票制度(以及排序复选制)如何背叛你最喜欢的候选人 · The Center for Election Science · 3:34
- P vs NP 实际上是什么 · Polylog · 17:57
- 更难的硬盘:我们不想要也不需要硬盘 · suckerpinch · 36:46
- 专业 SMT 焊接:手工焊接技术 - 表面贴装 · John Gammell · 3:19
- 为什么素数会形成这些螺旋?| 狄利克雷定理和圆周率近似 · 3Blue1Brown · 22:20
- John Cleese 对决极端主义 · eroosters · 2:12
- 战争的未来及其如何影响你(多域作战)- Smarter Every Day 211 · SmarterEveryDay · 28:11
- 向量 | 第1章,线性代数的本质 · 3Blue1Brown · 9:51
- 但什么是傅里叶变换?视觉介绍。 · 3Blue1Brown · 19:41
- 但什么是神经网络?| 深度学习第一章 · 3Blue1Brown · 18:40
- 贝塞尔曲线之美 · Freya Holmér · 24:25
- 样条曲线的连续性 · Freya Holmér · 1:13:50
- Jim Simons(完整版访谈)- Numberphile · Numberphile2 · 1:00:43
- 但比特币究竟是如何运作的? · 3Blue1Brown · 25:15