Contemplei a probabilidade e os insights sem os encontrar. Qual é a distinção? O que eles estão a tentar fazer?

Esta relação fez a diferença:

Diagrama de Probabilidade vs Estatística
A probabilidade está começando com uma criatura e fazendo sentido das impressões que ela vai causar.

A estatística é ver uma impressão, e especular a criatura.

Probabilidade é clara: você tem o urso. Meça o tamanho do pé, o comprimento da perna e você pode derivar as impressões. “Gracioso, o Sr. Bolsos de ar pesa 400lbs e tem pernas de 3 pés, e vai fazer marcas desta forma.” Mais escolarmente: “Nós temos uma moeda razoável. Depois de 10 voltas, aqui estão os resultados potenciais.”

As pistas são mais entusiásticas. Medimos as impressões e precisamos de pensar na criatura que poderá ser. Um urso? Um humano? No caso de termos 6 cabeças e 4 caudas, quais são as probabilidades de uma moeda razoável?

Os Suspeitos Padrão

Eis a forma pela qual “localizamos a criatura” com insights:

Apanhar os rastos. Cada pedaço de informação é um ponto em “tirar uma conclusão óbvia”. Quanto mais informação, mais clara é a forma (1 ponto de renda para uma conclusão óbvia não é útil. Um ponto de informação faz com que seja elusivo um padrão).

Meça os atributos fundamentais. Cada impressão tem uma profundidade, largura e estatura. Cada conjunto de dados tem uma média, meio, desvio padrão, etc. Estas representações, que não são exclusivas, dão um estreitamento brusco: “A impressão tem 6 polegadas de largura: um pequeno urso, ou um homem enorme?”

Descubra a espécie. Há muitas criaturas potenciais (apropriações prováveis) a considerar. Estamos a esbeltá-la com informações anteriores sobre a estrutura. Nas áreas florestadas? Pense em póneis, não em zebras. Gerir inquéritos de sim/não? Pense em uma apropriação binomial.

Olha para a criatura em particular. Quando temos o transporte (“ursos”), olhamos para as nossas estimativas convencionais em uma tabela. “Uma pata de 6 polegadas de largura e 2 polegadas de profundidade é, muito provavelmente, um urso de 3 anos e 400 libras”. A tabela de consulta é produzida a partir da circulação de probabilidade, por exemplo, fazendo estimativas quando a criatura está no zoológico.

Fazer expectativas extras. Quando conhecemos a criatura, podemos antecipar a conduta futura e diferentes atributos (“Segundo os nossos cálculos, o Sr. Bolsos de ar vai cagar na floresta”). Insights nos faz obter dados sobre o início da informação, a partir da própria informação.

Muito bem! A similitude não é imaculada, mas mais atraente do que “Insights é a investigação do sortimento, associação, exame e compreensão da informação”. Precisa de provas? Que tal verificarmos se podemos fazer perguntas naturais “Eu provei!”:

Quais são as espécies mais amplamente reconhecidas? (Divulgações regulares)

Estão a ser encontrados novos?

Seríamos capazes de prever a seguinte impressão? (Extrapolação)

As pistas estão a seguir um caminho? (Linha de recapotamento/padrão)

Aqui estão duas pistas, qual foi a criatura mais rápida? Maior? (Informação de duas preliminares de medicamentos: qual era cada vez mais poderosa?)

É preciso dizer que uma é uma criatura que se move de forma semelhante a outra? (Ligação)

Duas criaturas estão seguindo uma fonte típica? (Causa: dois ursos perseguindo um coelhinho semelhante)

Estes inquéritos são muito mais avançados do que os que eu contemplava quando aprendia os primeiros detalhes. Cada metodologia seca tem uma circunstância única no momento: diria que estamos aprendendo outra espécie? Como fazer as estimativas convencionais de impressão? Como fazer uma tabela a partir de uma transmissão de probabilidade? O que procurar como estimativas em uma tabela?

Ter uma semelhança para o procedimento de insights faz com que, mais tarde, a informação seja esmagada. Matemática otimista.