直觉与概率

有些时候,在生活中我们会面临一些选择,在做出决策时通常因为信息不足,我们只能靠蒙,也就是靠直觉。你有多相信自己的直觉?或者说什么时候该相信直觉?

三门问题

谈及直觉,不得不说一个著名的故事 —— 三门问题。“三门问题” 的描述如下:

假设你正在参加一个游戏节目,你被要求在三扇门中选择一扇:其中一扇后面有一辆车;其余两扇后面则是山羊。你选择了一道门,假设是 1 号门,然后知道门后面有什么的主持人,开启了另一扇后面有山羊的门,假设是 3 号门。这时,他问你:“给你一次更换选择的机会,你想换成选 2 号门吗?”

参加游戏的大部分人都相信了自己第一次选择的直觉,而不会更换。他们做出判断的依据是,在剩下的两扇门中,换或不换都是 1/2 的概率,那么不换就是选择相信自己第一次判断的直觉。

但实际,“三门问题” 的反直觉之处就在于,选择换你获得车的机会比不换要高一倍。这背后的概率逻辑是:第一次选择是三选一,选择 1 号门,中奖概率 1/3;而你未选择的 2、3 号门中奖概率是 2/3;主持人帮你排除了 3 号门是不会中奖的,那么这时你换成选 2 号门中奖的概率还是 2/3。它和 1 号门中奖的概率机会并不一样。

但如果主持人排除了 3 号门后,将 1、2 号门换到后台转一圈,然后告诉你奖品在两道门间重新洗牌了(实际什么也没做),那么在这样的条件下,1、2 号门的中奖概率将平均分布了,换或不换都一样。

“三门问题” 中有两次选择,第一次只能凭直觉,第二次换是靠概率。

专家直觉

作为程序员或工程师,你会有这样的感觉,有时我们就是靠直觉来工作的。

比如说一个程序员遇到线上的 Bug,通过一点点的错误信息,就会突然有种灵感,把问题定位到一个区域,然后很快就找到真正的原因,这样效率最高。这就是一种所谓的 “专家直觉”,经过长期的专业训练后,自然就会具备,虽然这种直觉也可能出错,但再辅助以另外一种专家严谨的逻辑思维推导框架,就可以弥补它的缺陷。

《程序员的思维修炼》一书中对这样的 “专家直觉” 做过如下描述:

专家知道哪些是无关紧要的细节,哪些是非常重要的细节,也许不是有意识的,但是专家知道应该关注哪些细节,可以放心地忽略哪些细节;专家非常擅长做有针对性的特征匹配。

专家根据直觉工作,而不需要理由。

因此,在面临一些专业领域的问题或难题时,我们要相信自己长期训练自然形成的 “专家直觉”。这样的直觉最重要的作用,其实不是去解题,而是能够有效的发现解题的线索或路径。法国著名数学家庞加莱也有过类似的经验总结:

我们通过直觉去发现,通过逻辑来证明。

赌徒直觉

回过头来再看 “三门问题”,你会发现深谙概率学的人肯定会在第二次选择换,这也是一种 “专家直觉”;而选择不换的人依赖的直觉,其实是 “赌徒直觉”。

很多人之所以选择不换,就是相信所谓的 “赌徒直觉”,背后有一种心理是:假如我换了,结果发现开奖时车就出现在我最初选择的 1 号门后面,这样的人是无法接受和原谅自己的,因为他选择了换,而没有选择相信自己一开始的直觉;如果没换,结果一开始的选择后面也没车,却感觉可以接受,毕竟是相信自己了,只是这次直觉不太准。

这样的 “赌徒直觉” 中,换是一种对自己的否定,这样的自我直觉否定的心理障碍是很艰难的,所以这也是为什么在 “三门” 游戏中大部分人选择不换的原因。

选择哪类?

生活中,其实有很多关于概率和直觉的问题存在。

比如,以投资为例,直觉上都会觉得存银行很安全,买股票很危险,但长期看真实的概率是,存银行产生的是百分百的购买力亏损概率,买股票可能还具备一定的购买力保值概率。而从资金的角度看,股票更容易产生资金亏损的概率。

生活中,有时也会出现这样一种场景,我们先抽象描述一下:在你面前有两个按钮,按下红色按钮,你可以得到确定性的一百万;而按下蓝色按钮,你有可能实现一个 “小目标” 得到一个亿,但这个可能只有 10%,你该如何选择?

从概率上来说,应该选蓝色按钮,这是理性且正确的决策。因为蓝色按钮的数学期望值是 1000 万,比红色按钮的 100 万高了 10 倍,但最终的结果可能是按下蓝色按钮后一无所获,损失机会成本 100 万。

从心理上来说,大部分人会选择红色按钮,得到确定的一百万,再看别人按下蓝色按钮可能就实现了小目标,然后安慰自己说:我也许没这个运气。

但现实场景下,红色和蓝色按钮的真实期望值可能相差没那么明显,这样也就让多数人的选择进入了纠结。比如说,一个专家级程序员,在像 BAT 这样的头部公司基本可以拿到确定的百万年薪,也可能想去创业或加入创业公司实现一个 “小目标”。

然而,真实的创业成功概率根本没有 10%,平均可能只有 1%。这样一计算期望值,会发现相差不多,自然就左右为难,相当纠结了。除非在选择中掺杂了其他因素,比经济结果更多的因素,更可能左右你的选择,而且也取决于你对工作的确定性或不确定性的偏好。

所以,生活中的很多选择,靠直觉就是从 “心” 出发,靠概率就是从经济结果的期望出发。

而我觉得,像投资这样的活动更多就是靠概率,不要掺杂 “心” 的部分;而和生活体验有关的很多选择,可能更靠直觉多一些;而选择什么样的工作是最微妙的,它在两者之间游走与平衡。

...

用直觉做选择的优势就是快,但我得明白我面对的选择是什么,该用哪一类直觉。



写点文字,画点画儿,记录成长瞬间。

微信公众号「瞬息之间」,既然遇见,不如同行。

原文地址:https://www.cnblogs.com/mindwind/p/10054759.html

时间: 2024-08-08 07:46:46

直觉与概率的相关文章

独立思考者模型:避开思维误区的沼泽 我们很多时很蠢

http://www.nowamagic.net/librarys/veda/detail/2371作为一名优秀的数字侦探,你被邀请到一座豪宅调查主人被刺杀的案件.你已经知道了死者的死因,案件的凶器和罪犯杀人的大致过程,并通过明察暗访搜集到了重要的证据,最后经过高度逻辑化的推理找到了最有可能的嫌疑犯.那么,我们赶紧宣布答案回家洗洗睡吧. 等一下.当你认为你的决策非常理性天衣无缝的时候,也就是你犯错的时候. 现实生活中,当我们做决策时,如果停下来重新省视一下思维的过程,你一定能找到几个思维的错误,

独立思考者模型:避开思维误区的沼泽

作为一名优秀的数字侦探,你被邀请到一座豪宅调查主人被刺杀的案件.你已经知道了死者的死因,案件的凶器和罪犯杀人的大致过程,并通过明察暗访搜集到了重要的证据,最后经过高度逻辑化的推理找到了最有可能的嫌疑犯.那么,我们赶紧宣布答案回家洗洗睡吧. 等一下.当你认为你的决策非常理性天衣无缝的时候,也就是你犯错的时候. 现实生活中,当我们做决策时,如果停下来重新省视一下思维的过程,你一定能找到几个思维的错误,他们隐藏的非常好以至于不在脑中专程建立模型就无法发现,我把这个部分叫做:思维的误区. 1. 自利归因

python数据分析之numpy、matplotlib的使用

5.3 Python的科学计算包 - Numpy numpy(Numerical Python extensions)是一个第三方的Python包,用于科学计算.这个库的前身是1995年就开始开发的一个用于数组运算的库.经过了长时间的发展,基本上成了绝大部分Python科学计算的基础包,当然也包括所有提供Python接口的深度学习框架. numpy在Linux下的安装已经在5.1.2中作为例子讲过,Windows下也可以通过pip,或者到下面网址下载: Obtaining NumPy & Sci

给深度学习入门者的Python快速教程

基础篇 numpy和Matplotlib篇 本篇部分代码的下载地址: https://github.com/frombeijingwithlove/dlcv_for_beginners/tree/master/chap5 5.3 Python的科学计算包 – Numpy numpy(Numerical Python extensions)是一个第三方的Python包,用于科学计算.这个库的前身是1995年就开始开发的一个用于数组运算的库.经过了长时间的发展,基本上成了绝大部分Python科学计算

模式中的反直觉概率

我们先从一个看起来简单的问题说起: 假设有一枚均匀的硬币,用 H表示正面,T表示反面.反复地抛掷这枚硬币会得到一个由 H 和 T 组成的随机序列.问题是:平均需要掷多少次硬币,才能得到 THTHT 这个模式? 比如说掷硬币的结果是 HTTHTHT,那么总共用了 7 次才得到 THTHT 这个模式.而如果结果是 THHTTHTHT,则总共用了 9 次. 一个令人惊讶的事情是,同样长度的两个模式,它们的首次出现时间的期望是可以不同的.在这个问题中,答案是平均需要掷 42 次才能得到 THTHT 这个

思考总结: 决胜21点 开篇 概率问题

今天回想起 一部大学时看的电影<决胜21点>中的概率题,想起来有点绕,又重新捋(此字读lv,你个文盲)了一遍. 题目大概是这样的: 参加一个电视节目,有三扇门,门后分别藏有两只山羊和一辆汽车.你选择的门后边是什么,你就可以作为奖品带回家.当然所有的参赛者都想选中汽车. 主持人让你任意选择一扇门,接着在你选好后,主持人会在剩余两扇门中打开一扇门,这扇门是山羊.紧接着主持人会给你一次机会,问你是否换一门.请问你是否换门? 下边开始分析 这个题目给人的直觉是:换不换无所谓.由于最后剩下两扇门,门后分

奥术飞弹打死精灵龙的概率

1.一个简单的概率题目 精灵龙是炉石传说中比较有趣的中立生物,不能成为法术或者英雄技能的目标,它有2血,生存能力还不错.法师有个奥术飞弹的法术牌,是随机造成伤害的,所以是可以对精灵龙造成伤害的.那么就有一个有趣的题目了: 奥术飞弹打死精灵龙的概率是多少?(注意:奥术飞弹是有可能会打在对方英雄身上的),第一感觉这个概率比较低,应该不超过50%. 情况还比较复杂,我们来慢慢讨论:分3种情况: 1.龙,脸,龙    1/2 * 1/2 * 1/2 = 1/8 2.龙,龙,脸    1/2 * 1/2

取快递的数学问题:手机尾号的重复概率

学校门口,四位手机尾号取快递.问:设有 \(n\) 个包裹,则存在两个包裹号码(收件人手机尾号,假设均匀分布)相同的概率 \(P(n)\) 是多少? 答曰:手机尾号一共有 \(10^4=10000\) 个,所以 \( P(n)=\frac{A_{10000}^n}{(10000)^n} \), 其中 \(A_n^r\) 为排列数. 求出表达式非常简单,然而计算具体值时却遇到了麻烦:分子和分母都太大了,IEEE 754 浮点数受不了了,直接扔给我个 Infinity. 怎么办呢?把排列数展开,取对

概率题

题目1 (2014腾讯笔试题) 36辆车,6个跑道,最少轮数决出前3名. 分析 分6组,每组跑一次,进行排序. 然后每组第一快的人再跑一遍,确定最快的3组. 最后最快的第一组取3个人,第二快的人取2个人(因为最快的人一定在最快的第一组),第三快的人取1个人.共6个人.再跑一遍. 所以总共是6+1+1=8轮. 以下转自:http://www.acmerblog.com/interviews-about-probability-5359.html 题目2 假设你参加了一个游戏节目,现在要从三个密封的