Telegram Group & Telegram Channel
🔷 تخمین، احتمال، نرخ‌های پایه

▪️به این سؤال توجه کنید:
بیماری‌ مشخصی به‌طور میان‌گین یک نفر از هر هزار نفر را مبتلا می‌کند. برای تشخیص این بیماری آزمایشی پزشکی طراحی شده است. آزمایش در پنج درصد موارد خطا دارد، به این معنی که نتیجه‌اش برای شخصی که بیمار نیست مثبت می‌شود. فرض کنید به شخصی برمی‌خورید که نتیجه‌ٔ آزمایش‌اش مثبت است. شما چیزی در مورد بیماری و علائم آن نمی‌دانید و فقط بر مبنای نتیجهٔ‌ آزمایش و اطلاعات آماری قضاوت می‌کنید. چند درصد احتمال دارد که این شخص واقعاً بیمار باشد؟ *

▪️بسیاری از ما خواسته یا ناخواسته بر اساس اطلاعات موجود احتمال وقوع پدیده‌ها را تخمین می‌زنیم ولی خیلی‌ وقت‌ها بخش مهمی از اطلاعات را نادیده می‌گیریم. مثلاً در پرسش بالا اغلب به جمله‌ٔ اول توجه نمی‌شود و پاسخی که داده می‌‌شود چیزی در حدود ۹۵ درصد است. درحالی‌که پاسخ درست حدود ۲ درصد است! بله، درست است. در این مثال فقط ۲ درصد احتمال دارد که شخصی که جواب آزمایش‌اش مثبت است واقعاً بیمار باشد.

پاسخ این سؤال را می‌توان به سادگی با استفاده از قاعده‌ی بِیز (Bayes' rule) در نظریه‌ٔ احتمال پیدا کرد ولی حتی کسانی که با نظریه‌ٔ‌ احتمال آشنا نیستند هم با کمی تأمل و دقت به جمله‌ٔ اول سؤال می‌توانند جواب درست را پیدا کنند. اطلاعات جمله‌ٔ اول (ابتلای یک نفر از هر هزار نفر به بیماری) در نظریه‌ٔ احتمال نرخ پایه (base rate) نامیده می‌شود. دانیل کانمن و آموس تورسکی در دهه‌ٔ ۱۹۷۰ میلادی نشان دادند که بی‌توجهی به نرخ‌های پایه می‌تواند به‌ تخمین‌هایی بسیار متفاوت با واقعیت بینجامد.

به‌عنوان یک مثال دیگر فرض کنید یک الگوریتم تشخیص چهره، با استفاده از تصاویر ثبت شده در دوربین مدار بسته، چهره‌ٔ شخصی را به‌عنوان یک تروریست شناسایی می‌کند. اگر احتمال خطای الگوریتم کمتر از یک درصد باشد، چه‌قدر احتمال دارد که شخص شناسایی شده واقعاً تروریست باشد؟ نرخ پایه در این مثال چیست؟ 

▪️تخمین نادرست یا کم‌دقت می‌تواند بسیار هزینه‌ساز باشد. بهتر نیست کمی بیشتر مراقب حدس‌ها و برآوردهایمان باشیم؟ 

* این مثال را می‌توان در مراجع متعددی پیدا کرد که سرچشمهٔ همه‌ٔ آن‌ها مقالهٔ زیر است. نگاهی به آن خالی از لطف نیست:

Amos Tversky  and Daniel Kahneman, “Evidential Impact of Base Rates” (1981).

@k1samani_channel



group-telegram.com/k1samani_channel/55
Create:
Last Update:

🔷 تخمین، احتمال، نرخ‌های پایه

▪️به این سؤال توجه کنید:
بیماری‌ مشخصی به‌طور میان‌گین یک نفر از هر هزار نفر را مبتلا می‌کند. برای تشخیص این بیماری آزمایشی پزشکی طراحی شده است. آزمایش در پنج درصد موارد خطا دارد، به این معنی که نتیجه‌اش برای شخصی که بیمار نیست مثبت می‌شود. فرض کنید به شخصی برمی‌خورید که نتیجه‌ٔ آزمایش‌اش مثبت است. شما چیزی در مورد بیماری و علائم آن نمی‌دانید و فقط بر مبنای نتیجهٔ‌ آزمایش و اطلاعات آماری قضاوت می‌کنید. چند درصد احتمال دارد که این شخص واقعاً بیمار باشد؟ *

▪️بسیاری از ما خواسته یا ناخواسته بر اساس اطلاعات موجود احتمال وقوع پدیده‌ها را تخمین می‌زنیم ولی خیلی‌ وقت‌ها بخش مهمی از اطلاعات را نادیده می‌گیریم. مثلاً در پرسش بالا اغلب به جمله‌ٔ اول توجه نمی‌شود و پاسخی که داده می‌‌شود چیزی در حدود ۹۵ درصد است. درحالی‌که پاسخ درست حدود ۲ درصد است! بله، درست است. در این مثال فقط ۲ درصد احتمال دارد که شخصی که جواب آزمایش‌اش مثبت است واقعاً بیمار باشد.

پاسخ این سؤال را می‌توان به سادگی با استفاده از قاعده‌ی بِیز (Bayes' rule) در نظریه‌ٔ احتمال پیدا کرد ولی حتی کسانی که با نظریه‌ٔ‌ احتمال آشنا نیستند هم با کمی تأمل و دقت به جمله‌ٔ اول سؤال می‌توانند جواب درست را پیدا کنند. اطلاعات جمله‌ٔ اول (ابتلای یک نفر از هر هزار نفر به بیماری) در نظریه‌ٔ احتمال نرخ پایه (base rate) نامیده می‌شود. دانیل کانمن و آموس تورسکی در دهه‌ٔ ۱۹۷۰ میلادی نشان دادند که بی‌توجهی به نرخ‌های پایه می‌تواند به‌ تخمین‌هایی بسیار متفاوت با واقعیت بینجامد.

به‌عنوان یک مثال دیگر فرض کنید یک الگوریتم تشخیص چهره، با استفاده از تصاویر ثبت شده در دوربین مدار بسته، چهره‌ٔ شخصی را به‌عنوان یک تروریست شناسایی می‌کند. اگر احتمال خطای الگوریتم کمتر از یک درصد باشد، چه‌قدر احتمال دارد که شخص شناسایی شده واقعاً تروریست باشد؟ نرخ پایه در این مثال چیست؟ 

▪️تخمین نادرست یا کم‌دقت می‌تواند بسیار هزینه‌ساز باشد. بهتر نیست کمی بیشتر مراقب حدس‌ها و برآوردهایمان باشیم؟ 

* این مثال را می‌توان در مراجع متعددی پیدا کرد که سرچشمهٔ همه‌ٔ آن‌ها مقالهٔ زیر است. نگاهی به آن خالی از لطف نیست:

Amos Tversky  and Daniel Kahneman, “Evidential Impact of Base Rates” (1981).

@k1samani_channel

BY دِرَنـــگ


Warning: Undefined variable $i in /var/www/group-telegram/post.php on line 260

Share with your friend now:
group-telegram.com/k1samani_channel/55

View MORE
Open in Telegram


Telegram | DID YOU KNOW?

Date: |

The Dow Jones Industrial Average fell 230 points, or 0.7%. Meanwhile, the S&P 500 and the Nasdaq Composite dropped 1.3% and 2.2%, respectively. All three indexes began the day with gains before selling off. Such instructions could actually endanger people — citizens receive air strike warnings via smartphone alerts. "Like the bombing of the maternity ward in Mariupol," he said, "Even before it hits the news, you see the videos on the Telegram channels." The channel appears to be part of the broader information war that has developed following Russia's invasion of Ukraine. The Kremlin has paid Russian TikTok influencers to push propaganda, according to a Vice News investigation, while ProPublica found that fake Russian fact check videos had been viewed over a million times on Telegram. Telegram does offer end-to-end encrypted communications through Secret Chats, but this is not the default setting. Standard conversations use the MTProto method, enabling server-client encryption but with them stored on the server for ease-of-access. This makes using Telegram across multiple devices simple, but also means that the regular Telegram chats you’re having with folks are not as secure as you may believe.
from ca


Telegram دِرَنـــگ
FROM American