Differences
This shows you the differences between two versions of the page.
| Both sides previous revision Previous revision Next revision | Previous revision Next revision Both sides next revision | ||
|
data_analysis:statistical_cognitive_bias [2020/05/12 20:40] prgram [조건부확률, 베이즈정리] |
data_analysis:statistical_cognitive_bias [2020/06/03 20:25] prgram [무작위 혼동] |
||
|---|---|---|---|
| Line 5: | Line 5: | ||
| + | === risk vs 통계학 === | ||
| + | <sup>[[#References|[17]]]</sup> | ||
| + | 위험을 관리하는 도구로는 적절치 않다. | ||
| + | ex. Red/ Black 공 비율 추정 | ||
| + | 10회추출 -> 20회추출 한다고 신뢰수준이 2배가 되지 않음. -> sqrt(2) 만큼만 증가 | ||
| + | Stationary 문제. (Red 공 자체가 임의로 결정된다면?) | ||
| + | |||
| + | === 순진한 실증주의 === | ||
| + | <sup>[[#References|[17]]]</sup> | ||
| + | 자동차 사고는 집 근처에서 발생 - 사고발생율이 높은게 아니라, 대게 집근처에서 운전 시간이 많은 것. | ||
| + | 데이터를 사용해서 어떤 주장을 반증할 수는 있어도, 절대 입증할 수는 없다. | ||
| + | |||
| + | === 빈도 vs 결과 === | ||
| + | <sup>[[#References|[17]]]</sup> | ||
| + | * 손실의 빈도나 확률은 그 자체로는 의미가 없음 | ||
| + | * 결과의 규모와 연계해서 평균값으로.. (기대값) | ||
| + | * 가장 유망한 시나리오의 비중을 과대평가 | ||
| + | * 희귀사건을 공정하게 평가하지 않고 저평가함 | ||
| + | |||
| + | |||
| + | === 후견지명편향 === | ||
| + | <sup>[[#References|[17]]]</sup> | ||
| + | '나는 처음부터 그럴 줄 알았어' | ||
| + | 이후에 얻은 정보 때문에 사건 당시 자신의 지식을 과대평가하는 현상 | ||
| + | |||
| + | |||
| + | === 시간과 소음 === | ||
| + | <sup>[[#References|[17]]]</sup> | ||
| + | 뉴스에는 소음이 가득하고, 역사에는 없다 | ||
| + | Ergodicity | ||
| === 벅슨의 역설 === | === 벅슨의 역설 === | ||
| A와 B 둘다 있는 사람이나, A와 B 둘다 없는 사람이 연구 대상에서 제외되었을 때, A-B 간의 가짜 관계가 생깁니다. <sup>[[#References|[11]]]</sup> | A와 B 둘다 있는 사람이나, A와 B 둘다 없는 사람이 연구 대상에서 제외되었을 때, A-B 간의 가짜 관계가 생깁니다. <sup>[[#References|[11]]]</sup> | ||
| Line 164: | Line 194: | ||
| 엄청난 성공의 원인은 대부분 운 | 엄청난 성공의 원인은 대부분 운 | ||
| "초기 모집단 규모"가 중요 : 원숭이가 타자를 쳐서 소설을 완성했다 -> 5 원숭이 중 1면 대단하지만, 10^10 중 1면 ?? | "초기 모집단 규모"가 중요 : 원숭이가 타자를 쳐서 소설을 완성했다 -> 5 원숭이 중 1면 대단하지만, 10^10 중 1면 ?? | ||
| + | 의심스러울 때는 새로운 idea, 정보, 기법을 체계적으로 거부하는 것이 최선 - 지금 우리는 실패한 신기술 빼고 성공한 기술만 보고 있음 | ||
| + | |||
| + | == 대체역사 == | ||
| + | <sup>[[#References|[17]]]</sup> | ||
| + | 한 분야의 실적은 결과만으로 평가해서는 안되며, 역사가 다른 방식으로 진행되었을 경우의 대체 비용도 고려해야 한다. | ||
| + | Scenario Analysis, alternative Sample path, Monte Carlo simulation.. | ||
| == 횡단면 문제 == | == 횡단면 문제 == | ||
| Line 461: | Line 497: | ||
| === 무작위 혼동 === | === 무작위 혼동 === | ||
| - | 별의 광원 : 무작위이지만, 무리 짓는 성질이 있음. 듬성듬성이 무작위인 것이 아님 <sup>[[#References|[11]]]</sup> | + | * 별의 광원 : 무작위이지만, 무리 짓는 성질이 있음. 듬성듬성이 무작위인 것이 아님 <sup>[[#References|[11]]]</sup> |
| + | |||
| + | * reference case problem : 진정한 임의성은 이론으로만 존재할 뿐.<sup>[[#References|[17]]]</sup> | ||
| + | * 실제 데이터에 비임의성이 전혀 없으면, 인위적일 가능성. | ||
| + | * 무작위 데이터에는 항상 어떤 패턴이 존재. (사후검증 오류..) | ||
| + | * 복권에 두번 당첨될 확률은 1/17조 이지만, 누군가가 그런 행운이 생길 확률은 1/30 | ||
| === 부작위 편향(omission bias), 무행동 편향 === | === 부작위 편향(omission bias), 무행동 편향 === | ||
| Line 479: | Line 520: | ||
| * 특정 범주의 사례들을 기억속에서 검색할 때 쉽게 잘 되면 그 범주를 과장해서 판단 (주의를 끄는 주요사건, 극적 사건, 개인적 경험) | * 특정 범주의 사례들을 기억속에서 검색할 때 쉽게 잘 되면 그 범주를 과장해서 판단 (주의를 끄는 주요사건, 극적 사건, 개인적 경험) | ||
| * 가사에 기여하는 비율? 합이 100이 넘음 | * 가사에 기여하는 비율? 합이 100이 넘음 | ||
| + | * <sup>[[#References|[17]]]</sup> 전국에서 발생하는 지진보다 캘리포니아에서 발생하는 지진이 잦을 것으로 생각. 어떤 방식으로 사망할 확률보다 테러로 사망할 확률이 더 높다고 생각. | ||
| * 결정가중치 <sup>[[#References|[4]]]</sup> | * 결정가중치 <sup>[[#References|[4]]]</sup> | ||
