В реальной жизни человек оценивает всё не в абсолютных величинах, а в относительных. Например, 1000 рублей, если у вас уже есть 1 млн. руб. и если у вас всего 10 рублей в кармане, ценятся по-разному. У них разная полезность. Это знали греки ещё, а в формулах написал Бернулли. В качестве популярной функции измерения полезности используют или логарифм или квадратный корень.
При инвестировании средств человек строит оценку опять же на основе функции полезности отностительно текущего богатства и вот к чему это приводит.
Допустим у нас есть инвесторы A и B. У первого 1000 р., у второго 100 000р. Проект может принести прибыль в размере 800р. с вероятностью 50% или убыток в 600р. с вероятностью 50%.
И там и там ожидаемая прибыль 100р. Но естли посмотреть матожидание квадратичной функции полезности, то для инвестора А оно будет меньше изначальной полезности и он инвестировать не будет. Это объяснимо и с практической точки зрения. В реальной жизни, если он сделает две подряд таких инвестиций, то с вероятностью 25% он будет полностью разорён. В, у кого 100 000р. не разорится в течение жизни солнечной системы.
Итого бедность ведёт к неприятию даже весьма благоприятных рисков, потому что полезность сильно зависит от точки из которой мы смотрим на вещи.
При инвестировании средств человек строит оценку опять же на основе функции полезности отностительно текущего богатства и вот к чему это приводит.
Допустим у нас есть инвесторы A и B. У первого 1000 р., у второго 100 000р. Проект может принести прибыль в размере 800р. с вероятностью 50% или убыток в 600р. с вероятностью 50%.
И там и там ожидаемая прибыль 100р. Но естли посмотреть матожидание квадратичной функции полезности, то для инвестора А оно будет меньше изначальной полезности и он инвестировать не будет. Это объяснимо и с практической точки зрения. В реальной жизни, если он сделает две подряд таких инвестиций, то с вероятностью 25% он будет полностью разорён. В, у кого 100 000р. не разорится в течение жизни солнечной системы.
Итого бедность ведёт к неприятию даже весьма благоприятных рисков, потому что полезность сильно зависит от точки из которой мы смотрим на вещи.
Развитый мир массово скупает землю в Африке. Через поколение африканцы поймут, что их ограбили во второй раз. А может и в десятый. Колонии никуда не делись, просто поменяли форму.
Есть расхожее мнение, что люди перестали пить алкоголь, и переключились на Tinc Crataegi (настояка боярышника). Это далеко не так. Потребление 25мл с 2014 года упало где-то два раза, а 100мл флакон вообще исчез с рынка. Хотя текущий миллион доз в месяц это конечно тоже много. В сумме с января 2014 население потратило на вкусняшку ~1.1 млрд рублей. Вывод: если и было переключение, то не сюда.
структура собственности на землю в Великобритании. 30% аристократия, 18% корпорации, 17% олигархи, 2% церковь и корона. На острове всё схвачено так, что даже близко аналогов федеральной собственности как в России нет.
Редакторов американского журнала "Базовая и прикладная социальная психология", изд с 1980, достала статистическая [не]значимость. Они просто-напросто запретили использовать всё, что касается p-value и гипотез в статьях. И ладно там, но товарищи пытаются анализировать протесты в Гонконге и другие сладкие вещи в русле американской же политики. https://clc.to/pban
Taylor & Francis
Assessing the Statistical Analyses Used in Basic and Applied Social Psychology After Their p-Value Ban
(2019). Assessing the Statistical Analyses Used in Basic and Applied Social Psychology After Their p-Value Ban. The American Statistician: Vol. 73, Statistical Inference in the 21st Century: A World Beyond p < 0.05, pp. 374-384.
Google зарегистрировал патент на Dropout слой в нейронной сети. Оригинальная статься из университета Торонто (Канада) июль 2012 года. Авторы: Geoffrey E. Hinton, Alexander Krizhevsky, Ilya Sutskever, Nitish Srivastva, все - граждане Канады. Двое родились в СССР. А права в итоге у Google в 2019. Такие дела. https://patents.google.com/patent/US9406017B2/en
Google
US9406017B2 - System and method for addressing overfitting in a neural network
- Google Patents
- Google Patents
A system for training a neural network. A switch is linked to feature detectors in at least some of the layers of the neural network. For each training case, the switch randomly selectively disables each of the feature detectors in accordance with a preconfigured…
Когда Machine learning не было, он назывался и выглядел по-другому. На картинке регрессия на смерть от сердечно-сосудистых заболеваний в зависимости от пола, возраста, систолического давления, уровня холестерина. Называется SCORE шкала риска (от Systematic COronary Risk Evaluation). Цифры - вероятность смерти в течение 10 лет от ССЗ в %. С оговорками она даёт площадь под ROC-кривой равной 0.72 для России. Чтобы перевести это в риск просто заболевания без относительно исхода, всё нужно умножить на 3.
Шкала намеренно сделана так, чтобы имея на руках элементарные анализы и анамнез, уверенно предсказать опасность, просто глядя в листочек. На неё опираются минздравы европейских стран для планирования экономики медицины.
Это один из значимых и заметных результатов анализа пред-больших данных. Примечательно, что в рамках мирового исследования, данные для СССР(РФ) собирались в 1975–77 годах в ходе совместного с США проекта.
Шкала намеренно сделана так, чтобы имея на руках элементарные анализы и анамнез, уверенно предсказать опасность, просто глядя в листочек. На неё опираются минздравы европейских стран для планирования экономики медицины.
Это один из значимых и заметных результатов анализа пред-больших данных. Примечательно, что в рамках мирового исследования, данные для СССР(РФ) собирались в 1975–77 годах в ходе совместного с США проекта.