读《信号与噪声》有感

《读《信号与噪声》有感》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、读《信号与噪声》有感　　读《信号与噪声》有感　　钱晋之　　就像有时候有人会用一首歌来象征一个时期的心情，那么这本书陪我度过了一段人生最低潮最难受的岁月，那个时候没什么书能让我安静下来，但是这本书着实给了我强大的共鸣，因此一直以来我对它有特殊的感情，今天要写的是关于《信号与噪声》，是特纳。西尔佛。以免给大家的印象就是我只会看历史，这次有必要要换换口味。　　我比较喜欢的书籍大致为了这么三类，第一类，属于历史归纳演绎类，能够不同视角去解读和总结过去的事，之前介绍过的黄仁宇就属于这一类。第二类我称之为反直觉类图书，大致的意思就是用反直觉证据去打碎你的原有的传

2、统智慧，科学信仰。真正的追求知识的过程就是如此吧。本期介绍的《信号与噪声》正是属于此类。第三类，属于文学类的，虽然从小以来，我就不是一个很喜欢文学的著作的人。越是学习地深入，越是觉得它的重要性，因为它一直凸显那难以泯灭的爱与恨，善与恶。　　而现代化的发展似乎代表着信息传播的不断加速，自从古腾堡发明了印刷机以后，最初的影响似乎只是影响到了宗教界，但是正是宗教改革促进了现代化进程的发生。信息过多但也不一定是件好事。随着社会分工的不断细化，我们越来越专注于自身的领域，对于越发不确定的未来，我们越来越寄托于“预测”，黑天鹅（塔勒布同名书籍）偶尔展开它傲人的双

3、翼，世界被昏暗所吞灭，一国的房地产市场的崩溃，或是一国的主权债务违约，就会让国际市场动荡许久。我们因信息的加速而连接的更加紧密，也因连接的紧密而福祸相依。　　次贷危机所带来的那一次金融海啸，被誉为是政治体制和金融体制的双重失败，同样也是一次彻彻底底的预测失败。当众多评级机构给予那些贷款抵押支持的证券MBS以3A（最高信誉评级）时，并称绝对不会出错。因此评级机构因此赚的盆满钵满，直到最后遮掩不住了，才真正做出行动。全世界都在狂欢，3A评级的MBS，可以算是傲娇的品牌，呆萌的价格，有时候人们只会关注于自己期许的一面。完全不可能出错和可能会出错最大的区别在

4、于，一旦这件事不可能出错的事情最终出错，那么这个错误将不可挽回。　　在预测领域，最成功的莫过于天气预报。而天气预报就是机器和人类联手，共同克服问题典范。气象工作站的大致原理是机器将云层与云层的运动近似分解为如分子与分子的相互影响，然后估算出未来可能出现的情况，然后工作人员通过经验判断和大体把控，剔除那些异常值。运用了机器的精确，以及人类的综合分析，两者联手，才有我们现在看到的天气预报。纵使我们各种吐槽它如何的不准，但是不可否认的是，天气预报对人们生活影响很大，天气预报对GDP能产生百分20的影响。但是气象工作站人员仍然拿着低薄的工资，财政拨款也很少，

5、因为人就是那么一种偏见的动物，只对看的见的英雄顶礼膜拜，对那些预防危机的人，却往往不曾重视。　　牛顿的力学理论似乎证明了宇宙的高度有序性和可知性，我们遵循简单的科学定力就能预测未来，人定胜天，我们越来越认为，我们通过理性就可以预测未来，设计我们的制度。拉普拉斯也认为：我们若是能对现状和规则充分的了解，我们就能做出完美的预测。但是量子力学的诞生，测不准原理（不确定的物理量和确定的物理量总会成对出现），混沌理论（动态的，是非线性的（蝴蝶效应），）的提出似乎更加揭示这个世界是高度的不确定性，甚至是难以预测的。　　面对如此不确定性的世界，书中的主角贝叶斯（英

6、国牧师，著名的概率学家），认为大自然遵循一种可预测的法则，那就是我们可以通过近似值一点点地模拟宇宙，只要我们收集的证据越多，那么我们就愈加接近真相，我们承认每个人都有对事件带有主观的偏见，也承认每个人在知识上是不完整的，但是人之所以伟大，因为人会学习人会成长。随着时间的推进，我会不断地接近真相。也许我们的先前的知识和证据很重要，但是新证据的力量更加强大，足以压倒之前的所有证据。在911事件爆发之前，美国遭受恐袭的几率几乎为0，但是当第一家飞机撞上大楼以后，之后再遭受袭击的几率就会猛然增加。　　在现代以高斯分布为主的“频率主义”（与贝叶斯属于两种不同的

7、学派），认为当你收集的信息越多，越不容易犯错误，他们极力想要摆脱人类主观上的错误，在极力追求完美的统计结果时，使得与真实世界越来越远，忽略了基本环境和合理性。大数据时代是统计学的幸福也是灾难，信息量成几何指数的增长，需要验证的假设也呈同倍的增加，相关性很多，但是因果联系却少之又少。或许用哈耶克说的不错，那些计量学家们到底是在做真正的研究，还只是确认心里的偏见（theyaredoingrealresearchorjustconfirmtheirmind），用各种各样的模型，通过滞后等方式，如同爱迪生用试错法一般，找出自己想要的计量结果。经济历史上布满了

8、这种预测失败的事例，或许是心里偏见，或许是错误的方法错误的动机。归根结底似乎是统计学的思维方法存在缺陷。