不才忝为四大资工金融双硕 现在当自宅资料工程师
大概纠正一些错误
※ 引述《safelove (安全的爱)》之铭言：
: 统计学来说，
: 常常用5%当作“显著差异”的分界，
: 也就是所谓的特例。
5% 1% 也好 这边你指的应该是指significance level
他是指你透过收集资料跟统计后
拒绝null pypothesis 但其实他是被冤枉的的机率 (type I error)
所以是不是特例其实一点关系也没有 跟你资料来源以及数量比较有关系
: 因此就算台女真的普遍势利，
: 那我们最多也只能说，势利的台女有95%，
: 要留个5%当作特例。
: 再来我也很愿意假设，
: 男生今天感情受挫，找不到人爱他，
: 都是那95%台女的问题。
: 假如有幸，让男生遇到那5%的台女，
: 那么肯定能被爱、被欣赏，
: 找到属于自己的幸福。
: 接下来就是简单的数学计算了~
这边的问题在于 环境造成自我对环境的认知是因人而异的
即便女性群体都一样 新庄吴彦祖跟北投酸肥宅
尝试与这些女性交往 得到的结果可能不一样
酸肥宅在不停挫折的过程中 对女人的印象也会一直改变(恶化)
在机器学习中 对于这种从无知到理解环境的学习可以用贝氏推论来做
最简略的就是用二项式分配的likelihood function加上与其共轭的beta distributton
当prior
TL;DR
结论就是你所认知的世界里面 你"觉得"会碰上渣女的参数(机率)
是会随着你碰上渣女的次数而渐渐变大
用白话来说就是一个懵懂少年 被多个渣女毁三观之后 变成悲愤肥宅的过程
所以说感情路一路顺畅的新庄吴彦祖在对女性的认知会比
一路当工具人的北投酸肥宅要乐观
而这也是比较符合一般人对环境认知并学习的模型
所以以下的乘法什么 其实不太有意义 因为他忽略了主体与环境的互动结果
是有根本性的差别的 还有不同品行的女人给你碰到的机会也不是均匀分布的
: ......
: 以此类推，身为一个正常人，
: 要和60个女性有互动应该不难吧?
: 同学、同事、朋友、相亲、联谊、网络、App、别人介绍......
: 随便凑一凑，应该都很容易超过。
: 那认识60个台女，
: 都不被爱的机率是多少呢?
: 95%^60=4%
: 换句话说，即便势利的台女高达95%
弱水三千只取一瓢饮 因此应该用几何分布做模型比较合理 5%碰上爱你的人
那平均也要被甩19次
套用上面贝氏推论 假设从一开始你觉得只有一成渣女 等被现实蹂躏19次之后
在碰到真爱之前你会觉得有20/29的机会碰上渣女 这就是悲愤肥宅的来由