5 лайков
Касс с Канеманом уже два года пишут новую книгу, вот ждём уже совсем скоро:)
1 лайк
В кругах звуколюбов уже много лет ходит одна легенда, которая существует
в различных вариациях, но суть сводится к тому, что некий мастер
делал ламповые усилители, в которых на лампы подавался только накал,
чтобы они тепло и красиво светились, а внизу, под лампами, был скрыт собственно усилитель
на микросхеме ТДА. И все слушатели слышали ТЕПЛЫЙ ЛАМПОВЫЙ ЗВУК.
Думаю, что вообще каждый звуколюб сталкивался с тем, что человек слышит
не реальный звук аппаратуры, а скорее свои представления о том, как она
ДОЛЖНА звучать исходя из своих знаний об ее устройстве, внешнего вида и т.д.
Скажем, человек видит толстый кабель и ему кажется, что он дает БАС.
Аналогично и с цапами и усилителями - представления (а чаще всего фантазии)
слушателя о примененных схемных решениях и элементной базе формируют восприятие
звука. Человек ЗНАЕТ, что усилитель в классе А звучит так-то, а цифровой усилитель
эдак-то. В общем, своего рода аудио-плацебо.
Что думаете, насколько эта проблема в нашем деле серьезна и что можно сделать
для того, чтобы снизить ее влияние?
2 лайка
Почитайте тему, тут много такого собрано.
1 лайк
В этой теме в первом сообщении есть хорошая научная статья – Реальность создается нашим мозгом и у каждого она своя — статья из журнала “В мире науки”
1 лайк
Опять?
А нахрена эти легенды, если те кто реально хотел давно послушал
и составил собственное впечатление и о лампах и о транзисторах, а кто
реально хотел и мог купил что-то одно, а иногда и то ито?
1 лайк
Спасибо за ссылки. Но не верю, что своих мыслей, живого опыта, нет ни у кого. Вот это было бы интересно.
Опыта чего?
опыта (само)обмана когда слышно то, что видно, а не то, что есть на самом деле
1 лайк
А зачем?
У меня есть и камни и лампы и проводов коробка.
Перетыкай да слушай.
если вам эта тема не интересна, зачем вы в нее отвечаете?
Слежу за порядком в баре.
4 лайка
Закон малых чисел
Исследование частоты рака почки, проведенное в 3141 округе США, выявило удивительную закономерность: самый низкий уровень заболеваемости обнаружен в сельских, малонаселенных округах, расположенных в традиционно республиканских штатах на Среднем Западе, Юге и Западе. Что вы думаете по этому поводу?
Ваш разум в последние несколько секунд был очень активен, причем работала преимущественно Сист ема 2. Вы планомерно искали в памяти информацию и формулировали гипотезы. Вам понадобились некоторые усилия: у вас расширились зрачки, измеримо участилось сердцебиение. Но и Система 1 не бездельничала: работа Системы 2 полагалась на факты и предложения, извлеченные из ассоциативной памяти. Вы, вероятно, отвергли мысль о том, что республиканские политические взгляды защищают от рака почки. Скорее всего, в итоге вы сосредоточились на том факте, что округа с низким уровнем заболеваемости в основном сельские. Остроумные статистики Говард Вейнер и Харрис Цверлинг, приводя в пример это исследование, прокомментировали: «Очень легко и соблазнительно сделать вывод, что низкий уровень заболеваемости – прямое следствие здоровой сельской жизни: воздух чистый, вода тоже, еда свежая и без добавок». Очень разумно.
Рассмотрим теперь округа с самым высоким уровнем заболеваемости раком почки. Эти нездоровые округа в основном сельские, малонаселенные и расположены в традиционно респ убликанских штатах на Среднем Западе, Юге и Западе. Вейнер и Цверлинг в шутку комментируют: «Легко предположить, что высокий уровень заболеваемости – прямое следствие бедности сельской жизни: хорошая медицина далеко, пища жирная, злоупотребление алкоголем и табаком». Конечно же, что-то не так. Сельская жизнь не может служить одновременным объяснением и для высокого, и для низкого уровня заболеваемости раком почки.
Основной фактор здесь – не то, что округа сельские или в основном республиканские. Все дело в том, что население сельских округов малочисленно. Главный урок, который нужно усвоить, касается не эпидемиологии, а сложных отношений между нашим разумом и статистикой. Система 1 отлично приспособлена к одной форме мышления – она автоматически и без усилий опознает каузальные связи между событиями, иногда даже в тех случаях, когда связи не существует. Услышав об округах с высоким уровнем заболеваемости, вы немедленно заключили, что они чем-то отличаются, что у э той разницы есть объяснение. Однако, как мы увидим, Система 1 не слишком способна управляться с «чисто статистическими» фактами, которые меняют вероятность результатов, но не заставляют их случаться.
Случайное событие – по определению – не подлежит объяснению, но серии случайных событий ведут себя чрезвычайно регулярным образом. Представьте себе сосуд, наполненный небольшими шариками. Половина из них – красные, половина – белые. Затем представьте очень терпеливого человека (или робота), который вслепую достает по четыре шарика, записывает число красных, бросает их обратно и повторяет так много-много раз. Если обобщить результаты, то обнаружится, что сочетание «два белых, два красных» появляется почти в шесть раз чаще, чем «четыре белых» или «четыре красных». Это соотношение – математический факт. Результат многократного извлечения шариков из урны можно предсказать с той же точностью, как результат удара молотком по яйцу. Предсказать, как именно разлетятся осколки скорлупы, вы не сможете, но в целом вы уверены в результате. Впрочем, есть одно различие: удовлетворенное ощущение причинной связи, которое вы испытываете, думая о молотке и яйце, в случае с шариками напрочь отсутствует.
С этим связан и другой статистический факт, относящийся к примеру о раке. Из одного и того же сосуда два очень терпеливых экспериментатора по очереди достают шарики. Джек в каждой попытке вытаскивает по 4 штуки, а Джилл – по 7. Они оба делают отметку каждый раз, когда им достаются шарики одного цвета, все белые или все красные. Если достаточно долго этим заниматься, то Джек будет наблюдать такие результаты примерно в 8 раз чаще Джилл (ожидаемый процент составляет 12,5 и 1,56 % соответственно). И вновь ни молотка, ни причины, просто математический факт: наборы из 4 шариков чаще дают однородные результаты, чем наборы из 7.
А теперь представьте население США шариками в огромном сосуде, причем некоторые шарики помечены буквами «Р П», что говорит о раке почки. Вы извлекаете наборы шариков и по очереди населяете каждый округ. Выборки в сельских местностях меньше остальных. Как и в игре Джека и Джилл, экстремумы – то есть очень высокие и/или очень низкие уровни заболеваемости раком – с большей вероятностью окажутся в малонаселенных округах. Вот и вся история.
Мы начали с факта, который требует объяснения: уровень заболеваемости раком почки сильно меняется в зависимости от округа, и в этих изменениях есть закономерность. Я предложил статистическое объяснение: экстремумы (высокие и низкие показатели) вероятнее появятся в маленьких выборках, чем в больших. Это – не причина. Маленькое население округа не порождает рак и не спасает от него. Оно просто позволяет уровню заболеваемости быть намного выше (или намного ниже), чем в более многочисленной популяции. Истина состоит в том, что объяснять здесь нечего. На самом деле уровень заболеваемости раком не выше и не ниже нормы; если в округе маленькое население, она лишь кажется такой в отдельно взятом году из-за случайности выборки. Если повторить анализ на следующий год, мы заметим, что в целом ситуация с экстремумами в малых выборках та же, но округа, где в предыдущем году было много случаев рака, необязательно и на этот раз покажут высокий уровень заболеваемости. Если так, то разница между плотно населенными и сельскими округами не считается, это просто артефакты, то есть явления, порожденные исключительно каким-то аспектом метода исследования, в данном случае – различиями в размере выборки.
Вы, может, и удивились моему рассказу, но не восприняли его как откровение. Вам давно известно, что результаты исследований надежнее на больших выборках, и о законе больших чисел слышали даже те, кто статистики совершенно не знает. Но просто «знать» недостаточно, и, возможно, вы обнаружите, что в отношении вас справедливы следующие утверждения:
• Вы не придали значения признаку «малонаселенный» , когда читали историю об исследовании частоты заболеваний раком.
• Вы сильно удивились, узнав о разнице между выборками в 4 и 7 шариков.
• Даже сейчас вам требуются определенные умственные усилия, чтобы понять, что следующие два утверждения означают совершенно одно и то же:
– Большие выборки дают более точный результат, чем маленькие. – Маленькие выборки чаще больших дают экстремумы.
Первое утверждение кажется истинным, но нельзя считать, что вы его поняли, пока интуиция не приняла второе.
Итак, вы знали, что результаты на больших выборках точнее, но сейчас вы, наверное, понимаете, что знали это не очень хорошо. Вы не одиноки. Наше с Амосом первое совместное исследование показало, что даже у опытных исследователей плохая интуиция и зыбкое представление о значении объема выборки.
2 лайка
Американский автор открыл для себя законы малых чисел )
Так то это откровения уровня базового курса статистики/теорвера.
1 лайк
Вообще-то, он открыл другое. Если прочитать внимательно до конца. Что, те кто это все знают едва, ли лучше применяют на практике эти знания в большинстве случаев. Даже сам автор, профессор, который преподавал статистику, описывает, как он не раз лажал лично. Впоследствии оказалось, что даже в исследованиях за которые ему дали Нобелевскую премию, исследованиях которые опровергли многовековое мнение что люди в целом рациональны, он и его напарник два раза стали жертвой того что описано в этом отрывке. Узнали это сами только спустя десяток-другой лет.
1 лайк
К слову недавно видел превосходный пример обобщений сказочного масштаба
1 лайк
Если человек лажает на таких базовых вещах как не посмотреть на размер выборки, то это двоечник, а не профессор, уж извини. Или он профессор чего-то другого, а не статистики.
А это здесь при чём? Я на такие приёмы ведения дискуссий не покупаюсь.
Офигеть, конечно, это как если бы школьник Эйнштейна назвал дурачком. В принципе Канеман в своей области науки и есть, если не Эйнштейн, то как минимум Бор.
Да уж лох какой-то вообще.
2 лайка