如何用简单的统计学问题“戏弄”聪明的数据科学家
全文共 2446 字，预计学习时长 5 分钟
来源：Pexels
“概率是生命的向导。”
——列纳德·蒙洛迪诺, 《醉汉的脚步： 随机性如何支配我们的生活》
首先，确保你想戏弄的人真的聪明。
其次，提的问题需直观易懂。
事实上，在互联网领域，仍存争议的严谨话题所剩无几（因为有谷歌和维基百科）。
但今天笔者要讨论的是过去几年在互联网上引起激烈讨论的话题。 科学专家和数据科学家在这一问题上各有看法。
事不宜迟，现在开始吧。
先来看问题
列纳德·蒙洛迪诺是一名物理学家，他与斯蒂芬·霍金合著了《宏伟设计》一书。 他的著作 《醉汉的脚步： 随机性如何只陪我们的生活》 还谈到了随机性，以及导致人们误解随机事件和随机过程的认知偏见。
在介绍“样本空间”概念的章节中，蒙洛迪诺使用了以下示例：
问题A： 儿子还是女儿
我的朋友尼克有两个孩子，他告诉你他至少有一个女儿，那么另一个孩子是女孩的概率是多少？
这似乎是一个简单的问题，直接的回答是： 已知其中一个是女孩，所以另一个孩子是女孩的几率应该是50%，对吗？
根据样本空间理论，可以如下列出所有可能的样本组合：
表中显示，答案是1/3，即，33.3%。
蒙洛迪诺指出,这个问题令人困惑的部分是题目内容，如果题中指定第一个孩子为女孩，那么第二个孩子为女孩的概率是50%。
辩论
然而，另一位有识之士不同意蒙洛迪诺的理论。
加里·史密斯（Gary Smith）是波莫纳学院（ Pomona College ）的经济学教授。 他在耶鲁大学获得经济学博士学位，后被聘为助理教授。
他在《基本统计、回归和计量经济学》一书中引用了上述蒙洛迪诺采用的例子，认为这是对现实世界的典型误解，并从另一角度提出了问题。
问题B： 另一个孩子
你看到我的朋友尼克和他的女儿在街上散步。 尼克告诉你他家里还有一个孩子，那么，另一个孩子是女孩的概率有多大？
这个问题看起来和蒙洛迪诺提出的问题十分相似，但加里却给出了完全不同的答案与解析。
首先，他指出蒙洛迪诺“33.3%”的答案是错误的，然后他通过下表中的推算给出了自己的正确答案。
男孩用B表示，因此BB表示第一个孩子是男孩，同理，第二个孩子也是男孩。
女孩用G表示，BG表示第一个孩子是男孩，第二个是女孩。
该表显示了400个家庭平均分配了4种孩子类型，即，每种类型为100。 根据加里所证，可以得出以下推论：
已知事实
· 在100例的BB中，尼克应该总是和男孩散步。
· 在100例的GG中，尼克应该总是和女孩散步。
· 如果尼克有儿有女，则合理的假设是，他和男孩或女孩一起散步的概率是相同的。
分析
· 观察表格的第一行。 当尼克和一个女孩散步时，其中有100例（GG）表明另一位不在场的孩子也是女孩，而其他50+50例（BG&GB）则表明缺席的孩子是男孩。
· 当尼克和一个男孩散步时，也可以做出同样的推论，因此，比较BB与BG+GB（100 vs 50+50），也可以得出同样的结论
结论
不管现在和尼克散步的是男孩还是女孩，另一个孩子是“男孩或女孩”概率保持不变（它们是自变量）因此答案是1/2，而不是1/3。
当然，还有一个更为直观的解释： 你看到一个女孩，这是一个独立的事件，对其他孩子的性 别没有影响。
如果你现在还没有丝毫的困惑，那么你可能对这个问题还只停留在表面理解上（也可能你是个真正的天才，那便来看看下面的解释是否与你的思维过程相同）
深入探讨这个问题…
那么，加里和蒙洛迪诺，谁对谁错？
实际上，他们都是对的，因为他们试图解决的是两个不同的问题。 再看看以上的问题，
•A： 我的朋友尼克有两个孩子，他告诉你他至少有一个女儿，那么另一个孩子是女孩的概率是多少？
•B： 你看到我的朋友尼克和他的女儿在街上散步。 尼克告诉你他家里还有一个孩子，那么，另一个孩子是女孩的概率有多大？
两个问题有什么不同吗，“看见一个孩子是女孩”和“一个孩子是女孩”一样吗？
你认为呢？ 现在就是把聪明人弄糊涂的时候了。 经济学教授加里混淆了以上两者的区别。
贝叶斯方程是解释这个问题最简单、最优雅的方法，尽管如此，笔者还是想从另一角度（使用全概率定律）来看待该问题。
“至少有一个女儿”和“看到一个女孩”不是一回事。 这是关键。
这两个前提在时间和空间维度上的差异可以表示为“全局关系vs.局部关系”。
1. 空间维度上的“全球关系 VS 社会关系”
“至少有一个女儿”并不代表你能看到那个女孩
如上图所示，“至少有一个女儿”包含了“看到一个女孩”，而“看到一个女孩”所传递的信息更具概率描述。
2. 时间维度上的“全球关系 VS 本地关系”
“至少有一个女儿”是鸟瞰的统计结果角度。
“看见一个女孩”是人类观察的角度。
下面是更直观的描述，
统计是对样本空间的总体描述。 观察是对平行空间中一种可能组合（所有可能发生的事情）的实际描述。
在理解了这两个问题之间的根本区别之后，可以得出结论：
•“至少有一个女儿”是样本空间中的一个概率问题。 因此答案是1/3；
•“看见一个女孩”是根据目前的观察作出的未知推断，这是一个贝叶斯统计计算。
因此，“看到一个女孩，问另一个孩子是女孩的概率”就等于“有两个孩子，你看到其中一个是女孩，那么这个家庭有两个女儿的概率是多少？ ”
“猜性别”的话题到此结束。
笔者想总结的是，即使是系统1（快速直观的本能，以及由‘或快或慢思考’产生的情感大脑）也没有很好的概率直觉。 但是，我们总是可以通过增强对概率因果关系的认识，来提高自己解释周围环境中的动态和不确定性的能力。
总结
如何通过概率建立主观假设与客观结果之间的联系？
为什么对真实世界的观察会影响事件的偶然性概率？
将要发生的事情和已经发生的事情有什么根本的区别？
最后，如想找到一种回答这些问题的方法，或者想戏弄你的智能数据科学家朋友，可阅读以下书籍：
· The Drunkard’s Walk: How Randomness Rules Our Lives
· EssentialStatistics, Regression, and Econometrics
· The Book of Why: The New Science of Cause and Effect
推荐阅读专题
留言 点赞 发个朋友圈
我们一起分享AI学习与发展的干货
编译组：何孟琛、杨月
相关链接：
https://towardsdatascience.com/how-to-gain-data-science-experience-before-your-first-data-science-job-88bed5f9fee3
如需转载，请后台留言，遵守转载规范
推荐文章阅读
长按识别二维码可添加关注
读芯君爱你
