: → innominate: 我的意思是，现代在做用户画像，或者设计用户问卷时早 06/01 00:14
: → innominate: 就考虑过信度跟效度的问题，而我们用的工具远没有这个 06/01 00:14
: → innominate: 机器准，但一样都能分析出用户行为了，为什么你会默认 06/01 00:14
: → innominate: 使用这台机器的人都是智障？ 06/01 00:14
: → innominate: 都会问这些智障问题？ 06/01 00:15
: → verdandy: 你说的那两个是问"多人"然后再经统计去得到轮廓 06/01 00:29
: → verdandy: 测谎是针对单人，你要收多少样本? 06/01 00:30
: → verdandy: 还有问题要很精巧，但精巧遇上更奸诈的还是没用 06/01 00:30
: → verdandy: 这篇普兰可就示范了奸诈的人怎么去玩弄机器 06/01 00:31
: → verdandy: 如果你说用户画案像是单人的，但你要想那是蒐集多少数据 06/01 00:32
: → verdandy: 你一场测谎要蒐集多少数据? 06/01 00:32
: → innominate: 在大数据分析中早就可以找到问题的pattern，你再怎么 06/01 10:38
: → innominate: 奸巧，你也只能躲得过一两个问题，十个问题，二十个问 06/01 10:38
: → innominate: 题就能解决，因为有些问题是可以相互印证比对的，而且 06/01 10:38
: → innominate: 问问题的人是主控端，你再怎么奸巧也只能回答是/否， 06/01 10:38
: → innominate: 你的操作空间几乎小到没有，重点是问题的设计，plamc 06/01 10:39
: → innominate: 是先假设问问题的人是智障 06/01 10:39
上面一堆，丢掉啥大数据等现今炫目的名词，基本概念就是透过适当的
统计方法，可以在一定的信心水准下，在一定范围之内找出母体的某些
特性。前所谓信心水准，白话说就是对当前统计结果有多少信心它是正
确的。
或者用更生活化的状况来说，叫做太阳底下没有新鲜事(，因为看多了，
人的行为就是那些模式)。
上面那种统计“求真”方法，用在涉人事物上，最根本的限制之一在
于，能够找出和预测母体“整体的”行为模式，不代表能够准确预测母
体内任一个体的行为模式。
最著名的实务例子就是当前普世接受用以证实新药品、新医疗器材、
新医疗技术的临床实际效力的方式