您还没有绑定微信,更多功能请点击绑定

不是做不到...

本帖最后由 钻石灰尘 于 2013-3-4 20:27 编辑

马云在对话的节目里说,他对成功学很不感兴趣,还不如多了解一些人家是怎样从失败中走出来的,是怎样失败的,他更对成功模式的探讨没兴趣,他说所谓的模式,能撑几年就不错了,对于互联网来讲,一个模式3年前是对的,现在就是错的,没必要去追模式,该去思考,该去追求的是各种模式下的核心理念才是最重要的,这些模式也就是在证明这些理念是对的。淘宝和阿里的核心理念是帮助卖家赚到钱做好生意,让他们真实地感到有你没你不一样,卖家和平台称为良性的互赖关系,你就成功了。至于说什么支付宝,它能大行其道,只能说明银行的网银没有做好这部分的业务,如果网银自己就能做,那么独立的支付系统就没存在的必要,某种模式的存在,是因为该做好这件事的行业,企业,没发现或者工作不努力,才留给他人机会。模式会随时改变,核心理念不会变,企业想清楚自己的核心理念是什么。总而言之,模式是浮云,而核心价值,核心理念才是企业的安身立命,发展壮大的根本。

我看到马云的这番理论,我想到,我们在周六《工程统计学》课间,我和我们班的学委,W哥还在和一位,从来就没学过概率统计,甚至对不是理工科出身的同学聊统计学的应用。我和W哥都认为老师其实就是在借助minitable这个软件,把统计工具应用这个复杂的课题,变成了一个个应用模式来讲解的,只要模式你选对了,你会用这个软件,你就能解答那些应用问题。要把模式掌握熟练,是没有什么捷径的,只有理解加多练习,不理解,多练习也能有所收获,因为会形成条件反射的思维定制,看到眼熟的问题,就按照套路,跟着感觉走也基本上能做对。

如果按照马云的理解,如果说各种模式也就是各种套路,方法都是浮云的话,那么统计学的核心是什么?有什么内在的,不能颠覆的内在逻辑吗?

我又想到了我和W哥相互拿对方揶揄,希望以简单,明了,符合非理工类学生的理解方式去解释统计学的事来。不过在我们两个东拉西扯,七七八八的左右互搏般的不屑努力下,我们终于是让我们的同学,对统计学有了更深刻的理解,统计学不仅仅是难,而是太难,已经上升到人文和政治的高度了。

我觉得,我和W哥的思路应该是正确的。统计学并不是一个抽象的学科,其抽象程度要远远低于求导,积分这样的高等数学,甚至要低于逻辑关系一旦搞错就怎么多做不对的,排列,组合的应用。无论是正态分布,二项分布,泊松分布,还是T-分布,卡方分布等等都是前人在实际应用过程中发现,并总结出来的,可以直接用于实际模型。在我看来,统计学的难度是介于财务数据分析与运筹学线性非线性规划之间的。特点都是不需要特别好的抽象思维,但是需要你有比较清晰的逻辑思维,你的逻辑清晰的话,做这些运算都比较容易。本来这些应用于管理学领域的计算,其目的就是给大家一个用数字和逻辑支持的合理的解释,评估和判断的方法论,逻辑是核心。

那么统计学中有怎样的逻辑哪?我用假设检验来做个诠释,我们知道假设检验有两个假设,原假设和备择假设。那么如何定原假设哪?要依据以下原则:

-假设检验的目的在试图找到证据拒绝原假设,而不在证明什么是正确的。

-当没有足够证据拒绝原假设时,不采用“接受原假设”的表述,而采用“不拒绝原假设”的表述。“不拒绝”的表述实际上意味着并未给出明确的结论,我们没有说原假设正确,也没有说它不正确。

-“接受”的说法有时会产生误导,因为这种说法似乎暗示着原假设已被证明是正确的了。但亊实上,H0的真实值我们永进也无法知道,H0只是对总体真实值的一个假定值,由样本提供的信息也就自然无法证明它是否正确。

简而言之,H0是常态,H1是异常,像有显著性差异,有相关这样的要放在备择假设,而无显著性差异,无关联等要放在H0,这样的关系是不能搞混淆的。

这个套用我和W哥相互拿对方开玩笑的话题来做个例子。

原假设是“W哥是个好人”虽然这个人让人觉得不是个好人,但我们在我们没有足够的证据,“接受他是个坏人的”的备择假设之前,我们必须要明确知道,我们没有理由拒绝“他是个好人”这个原假设。当我们有了足够的证据后,我们才能说,我们有95%的把握,拒绝“他是个好人的”的原假设,接受“他不是个好人”的备择假设。

拿到证据,也就是样本数据后,我们要检验样本,看看是不是normal distribution。也就不是不能为了证明W哥是个坏人,我们就人为选择证据,伪造证据,我们要确保证据是真实的,是可信的,是客观的等等。

然后我们就可以采用各种工具去验证,W哥是价值观与大家有没有本质的差异(中心值)还是行为(方差)与大家不一样等。

当P小于0.05的时候,我们说我们有95%的把握接受“W哥是个坏人。”当大于了0.05,我们虽然经过了不懈努力,但我们不得不告诉大家,我们无法拒绝"W哥是个好人”的原假设。


假设检验的背后,其实是西方人的司法逻辑或者说是判断逻辑,当这个人没有被判有罪,你是不能认为他是个罪人,因为你无法拒绝接受他是个好人的假设。当你是以这样的逻辑去思考,分析,判断的时候,你就很容易运用统计工具,因为这套工具就是按照这样的逻辑的步骤进行的。但若你的逻辑不是这样的,你首先认定这个人就不是个好人,这个成了原假设,然后你为此网络证据,充分证明你的原假设是正确的,则这套方法论,就怎么用怎么别扭。不是假设检验很难,而是它的原理和你的解题思路,逻辑对不上号。


这个问题和我在做IMS的时候的感悟是如出一辙的,为什么西方人写出的标准,到处是三权分立的总是在制衡?这是因为,西方人思维的出发点或者说核心是风险的防范,而中国的思维的出发点是责任制。我们认为这件事情有人负责,则这个流程就可以进行,西方人认为,等到有人站出来负责的时候,问题就已经发生了,“问责”就已经是事后处理了,做流程就是为了降低“问责”发生的几率,这辈子都不会有人被“问责”才最好。因此你会发现,在这种系统中连老板都不能去怕胸脯,因为他拍胸脯,他仍然是无法承担全部责任的。就像,河南发横的烟花车炸翻桥的事件,我相信,这车能开出花炮厂,一定是有人签过字,承担过责任的,但是一旦问题发生了,签字的人,包括法人能承担全部责任吗?因事故死去的人能复生吗?


我们看到的,西方这种以风险为出发点的系统,存在效率低的问题。但是我们高效的系统,出现就是屡见不鲜的“背黑锅”的现象,为什么要“背黑锅”,这锅就是责任,当问责的时候,你发现你无法逃避,或者只能牺牲你,所以这锅你就只能背,谁让这一亩三分地是你承诺你负责的哪?同样的问题,你会发现喜欢帮忙的热心人特多,但是一但出了问题,这些好心人,就一退六二五都能抖落个干干净净,你也觉得,当时人家是好心,这责任不能让他来背。正是因为,他们都知道帮忙不容易承担责任,所以他们才乐于,才敢于帮忙,若帮忙也必须是要承担责任的,你看看还有多少好心人?从风险管理的角度,组织内虽然是teamwork,但是不存在帮忙的概念,这responsibility,accountability,你干了,你就要承担,你有权做某事你才能做,你无权做某事,你就不能,必须要等到有权的人来做,也许这个人能力不如你,若你想替代他,你就必须得到批准,你不但要把活揽过去,还要把相关的种种责任权限范围可交付的要求等等一并拿过去,要以这个位置上的要求来要求你,以衡量这个位置上的标准来测量你。

以风险为出发点和以责任为出发点,编写出的流程,体系是相差很多的,因此,在我刚做IMS的时候,我发现影响我工作质量最大的因素,是文化差异造成的思维方式不一致,逻辑方式不一致。人家否定你编写的文件,不是哪段文字没有表达清楚,而是会从逻辑模型一起给否定掉。
对“好”的回答一定要点个"赞",回答者需要你的鼓励!
已邀请:

ZKL47 (威望:42)

赞同来自:

本帖最后由 ZKL47 于 2013-3-5 17:33 编辑

“假设检验的目的在试图找到证据拒绝原假设,而不在证明什么是正确的”
精华!数学否定一个问题比证明正确问题容易多!西方法律逻辑和统计学假设检验思想完全一致:比如差异统计意义上不显著不是没有差异和被判无罪释放一样:仅证据不足以证明犯罪嫌疑人有罪。
对于没学过统计学的人士来说,这是全新的思维方法,和直觉相悖的在统计学中最多。统计学对不确定性问题利用证据尽可能缩小估计数值范围,并给出风险度。比如全国人口普查,必需用抽样方法复检,才能给出误差程度。

8 个回复,游客无法查看回复,更多功能请登录注册