Paul Ormerod ประเมินคน Bayesian
ในการทำนายทุกอย่างตั้งแต่เกมโป๊กเกอร์ไปจนถึงการเปลี่ยนแปลงสภาพภูมิอากาศ
สัญญาณและเสียงรบกวน: เหตุใดการคาดการณ์จำนวนมากจึงล้มเหลว – แต่บางคนไม่
เนท ซิลเวอร์
เพนกวิน: 2012. 352 หน้า $27.95 9781594204111 | ISBN: 978-1-5942-0411-1
เนท ซิลเวอร์เป็นคนที่น่าสนใจ นักสถิติจากการฝึกฝน เว็บตรงฝากถอนไม่มีขั้นต่ำเขาได้พัฒนาระบบสำหรับการคาดการณ์ประสิทธิภาพของเบสบอลที่มีอิทธิพลอย่างแท้จริงต่อการที่ทีมชั้นนำประเมินผู้เล่นที่มีศักยภาพ บล็อกของเขาคาดการณ์อย่างแม่นยำเกี่ยวกับการเลือกตั้งประธานาธิบดีสหรัฐฯ ปี 2008 เขามีสล็อตประจำในนิวยอร์กไทม์ส และในตอนนี้ ด้วยความรอบคอบและมีส่วนร่วมกับ The Signal and the Noise เขาได้นำเสนอตัวอย่างการคาดการณ์ที่น่าสนใจมากมาย ตั้งแต่เบสบอลและการเลือกตั้งไปจนถึงโป๊กเกอร์ หมากรุก ตลาดหุ้น การโจมตีของผู้ก่อการร้าย แผ่นดินไหว และการเปลี่ยนแปลงสภาพภูมิอากาศ
‘สัญญาณ’ ในชื่อเรื่องหมายถึงข้อมูลจริง ซึ่งสามารถใช้ในการทำนายได้ ‘สัญญาณรบกวน’ เป็นองค์ประกอบสุ่มอย่างหมดจดของข้อมูล ซึ่งไม่สามารถทำได้ ปัญหาร้ายแรงของแบบจำลองการคาดการณ์หลายๆ แบบคือพวกเขาพยายามอธิบายมากเกินไป และจบลงด้วยการ ‘อธิบาย’ เสียงรบกวนนั้น Silver บันทึกปัญหาพื้นฐานของ
เงินมีวัตถุประสงค์ทางวิทยาศาสตร์อย่างจริงจัง เขามีความสำคัญอย่างยิ่งต่อแนวทางเด่นที่ใช้บ่อยในสถิติ ซึ่งอาศัยความถี่ของความเป็นไปได้อย่างหนึ่งที่เกิดขึ้นจากการทดลองหลายครั้งเพื่อกำหนดความน่าจะเป็นที่แท้จริง ตัวอย่างเช่น หากการโยนเหรียญให้หัวขึ้นบ่อยกว่าส่วนก้อย ความมั่นใจของคุณว่าเหรียญมีความเอนเอียงมากขึ้นเมื่อคุณสังเกตการโยนมากขึ้น ซิลเวอร์เป็นผู้สนับสนุนแนวทางของคู่แข่งอย่างแข็งขัน: สถิติแบบเบย์ นี่เป็นเพียงความเข้มงวดทางคณิตศาสตร์เท่านั้น แต่เป็นวิธีการแก้ปัญหาแบบสำนึกผิด ซึ่งคุณจะสร้างมุมมองเกี่ยวกับโอกาสที่เหตุการณ์จะเกิดขึ้น และแก้ไขค่าประมาณนี้เมื่อมีข้อมูลใหม่ปรากฏให้เห็น ดังนั้น การประมาณการล่วงหน้าของคุณว่าเหรียญมีความเอนเอียงจะขึ้นอยู่กับว่าบุคคลที่พลิกเป็นชายเจ้าชู้ในบาร์หรืออาร์คบิชอปแห่งแคนเทอร์เบอรี ถ้าอย่างแรก คุณอาจสรุปได้ว่ามีอคติ พูดได้ว่า มีเพียงสามหัวเท่านั้นที่โผล่ขึ้นมาติดต่อกัน
ตัวอย่างส่วนใหญ่ของ Silver
มาจากสังคมศาสตร์ ซึ่งรวมถึงปัญหาที่ยากจริงๆ เช่น การพยากรณ์เศรษฐกิจ ในวิทยาศาสตร์ธรรมชาติ ทฤษฎีที่อธิบายอดีต โดยทั่วไปแล้วจะสามารถใช้สำหรับการทำนายอนาคตได้เช่นกัน ไม่ใช่สังคมศาสตร์ซึ่งมักจะต้องแยกความแตกต่างอย่างชัดเจนระหว่างการอธิบายและการทำนาย ตัวอย่างเช่น มีโมเดลที่อธิบายได้ดีว่าทำไมการเปลี่ยนแปลงของราคาในตลาดหุ้นในอดีตจึงแสดงคุณลักษณะที่พวกเขาทำ สิ่งเหล่านี้ขึ้นอยู่กับพฤติกรรมของผู้ค้า การพยากรณ์นั้นยากกว่ามาก และแบบจำลอง ‘การทำนาย’ เป็นการอนุมานที่บริสุทธิ์โดยพื้นฐานแล้ว ในช่วงเวลาสั้นๆ ของข้อมูลในอดีต โดยไม่มีเนื้อหาเกี่ยวกับพฤติกรรม
ในวิทยาศาสตร์ธรรมชาติ ทฤษฎีสามารถพัฒนาและตรวจสอบได้ หรือเพื่อให้ถูกต้องมากขึ้น ไม่ปลอมแปลง โดยใช้หลักฐานที่ได้จากการทดลองที่ทำซ้ำได้ ในสังคมศาสตร์ การสนับสนุนทฤษฎีอย่างแน่นหนานั้นแทบจะเป็นไปไม่ได้เลย ถ้าเป็นไปได้ ตัวอย่างเช่น ขณะนี้มีการอภิปรายที่สำคัญเกี่ยวกับการใช้จ่ายภาครัฐที่เพิ่มขึ้นจะช่วยกระตุ้นเศรษฐกิจได้หรือไม่ แม้จะมีงานเชิงทฤษฎีและเชิงประจักษ์จำนวนมาก แต่นักเศรษฐศาสตร์ก็ไม่ได้ใกล้เคียงกับฉันทามติมากไปกว่าเมื่อ 50 ปีก่อน
ความพร้อมใช้งานของ ‘ข้อมูลขนาดใหญ่’ – จากการใช้โทรศัพท์มือถือและการใช้เครือข่ายสังคมออนไลน์ – ถูกมองว่าเป็นการเพิ่มศักยภาพของสังคมศาสตร์ในการเข้าถึงพลังการทำนายของวิทยาศาสตร์ธรรมชาติ การสังเกตพฤติกรรมโดยละเอียด การให้เหตุผล จะเป็นอีกก้าวที่ใกล้กับขอบเขตของการทดลองที่ทำซ้ำได้ ซิลเวอร์สงสัยอย่างมากเกี่ยวกับความเป็นไปได้นี้ และให้เหตุผลว่าการเพิ่มขึ้นอย่างมากของข้อมูลจะทำให้การคาดการณ์มีแนวโน้มที่จะล้มเหลวมากขึ้น ไม่น้อยไปกว่านี้ ตามที่เขากล่าวไว้ “จำนวนความสัมพันธ์ที่มีความหมาย …มี [เล็กน้อย]… ไม่มีความจริงใดในโลกมากไปกว่าที่เคยเป็นมาก่อนอินเทอร์เน็ต”
Silver ชี้ให้เห็นถึงการวิพากษ์วิจารณ์ที่สำคัญของการวิเคราะห์แบบ Bayesian ซึ่งก็คือการแนะนำแนวคิด ‘ตามหลักวิทยาศาสตร์’ ของการตัดสินส่วนบุคคล แต่ในสังคมศาสตร์ สิ่งนี้จำเป็นตลอดเวลา แม้จะใช้วิธีที่ใช้บ่อยก็ตามเว็บตรงฝากถอนไม่มีขั้นต่ำ
