偏见的本质
来源:互联网 发布:ha集群软件 编辑:程序博客网 时间:2024/04/29 12:04
我们都有这样一个常识,与人相处时第一印象一旦形成就很难在以后的相处中改变。
我曾在河南财经一趟政治课上学到:这就是心理学中的“刻板印象”规则。但是我也只记住了这个社会性的主管规则,缺一直没有思考其中的客观原因,今天上午的《概率论与数理统计》给我上了一课。
首先 我们先引入本话题中的主角:贝叶斯定理和全概率公式。
设实验E的样本空间S。A为E的事件,B1,B2....Bn是S的一个划分,且P(A)>0,P(Bi)>0.
则P(A) = P(A | B1) P(B1) +P(A | B2) P(B2)+ ...........+ P(A | Bn) P(Bn)------------------------------全概率公式
则P( Bi | A ) = P(A | Bi) P(Bi)/ P(A)
对应这个看着很蛋疼的公式 我举个现实生活中简单点的例子:
假设我和kobe是队友,只是假设。已知我平时投篮进球的概率为0.3,kobe投篮进球的概率0.7;
但是不能歧视我,我也有权利上场比赛不是,教练派我们上场概率相同。现在我们队进了一个球,那么请问教练派谁上场了?
大多数人会说是kobe,的却我也会说是kobe。主管的偏见和歧视还是产生了。
我们用上面的公式来看看到底是谁上场了。
我队进球的概率P(A) = P(A|B1)P(B1)+P(A|B2)P(B2)
=0.3X0.5 + 0.7X0.5
=0.5
那么我上场的概率为P(B1|A) = P(A|B1)P(B1)/P(A)
=0.3X0.5/0.5
=0.3
啊?!结果简直是谬论,分明教练派我们上场概率相同的,我怎么才0.3?! 客观的数据与人们主观的印象惊人的一致了:假如进球了就是kobe上场,不进球就是我上场。
结论1:偏见与歧视是客观世界存在的,不管是贫富偏见还是种族歧视,他们都不是人们主观的结果而是科学!
更重要的
假如我说:歧视就歧视吧,我刻苦练习投篮,超过kobe还不行吗? OK!我们来计算下:
假设他之前投出了1W个球,他累计进了7K个。我也投了1W个球,我累计进球3K个。那么我开始刻骨训练勤奋的每天练习超过了kobe的0.7的水平达到0.8!一年的1W个投篮 练习下来后,我累计中11000个球。我进球的推测概率为55%;
kobe比较骄傲在夏威夷度假,保持0.7的命中率。一年内投了1W个中7K个,累计中14000个球。推测进球概率不变70%;
教练派人上场是后还是会歧视我,这样结果就奇怪了,我明明已经超过了kobe的水平,但是教练还是不会让我上场,由此我们得出下面有一个重要结论:
结论2:偏见与歧视一旦形成,基本不可能改变!
偏见是科学存在的,不是人内心主观产物.正确认识偏见,人与人之间关系就处理好了一半,关系处理好了一半,成功也就不远了。
- 偏见的本质
- sizeof的偏见
- 偏见
- 反击对言情的偏见
- 消除对Java的偏见
- 数据库的偏见—总论
- 对各种语言的偏见
- 真正的客观,没有偏见
- 纠正一下对 perl 的偏见
- 程序员创业需要摆脱的技术偏见
- 偏见方差的权衡(Bias Variance Tradeoff)
- 偏见地图 :美国人眼中的世界
- 聊聊人们对程序员的偏见
- 本质啊本质之一:数据类型的本质
- 因世俗的偏见--明明相爱,却不能走在一起
- 我对袁萌老先生的一些偏见
- 演示的失败来纠正个人偏见市场
- 收回你的偏见,软件培训机构更能出人才
- 1188.com这个垃圾
- 在JSF中应用javascript(关于jsf的action与js的问题)
- CCIP之642-691 (BGP+MPLS)实验题
- 获得Flash Build Betal2 的注册码
- 黑客和小白
- 偏见的本质
- SQL数据注入漏洞-绕过登陆验证
- Flex与java交互之数据库数据读取
- 你得找出你爱的
- fsd
- Digital Globe公司公布中国60华诞庆典卫星图像
- 积分?
- asp.net验证码生成和刷新及验证
- $@ 与 $*的区别