雜訊 讀書筆記

P132 歌曲

如果一首歌曲一開始就大受歡迎，可能一直停留在排行榜的前幾名。如果聽眾一開始的反應很冷淡，逆轉的可能性就不高。
在社會影響的條件下，成功的程度更難以預測。 社會影響會在不同的群體之間產生顯著的雜訊。各個群體之間本身也有雜訊，他們判斷喜歡或討厭一首歌，這樣的感受很容易出現差異，而且取決於這首歌是否打從一開始就受歡迎。

政治和音樂一樣，深受社會影響，特別是人們會看別人的反應是受到吸引或是討厭。
少數先行者的偶然變化會使很多人一窩蜂跟進。
網站訪問者看到的第一個正面評價(造假的)，給予正面評價的可能性多了32%。5個月後，受到操縱的第一個正面評價使評論的平均評價提高25%。
群眾智慧的前提是獨立思考。如果人們不能自己做判斷，都是依賴別人的想法，群體不見得是明智的。

社會影響是個問題，因為它們「減少群體的多樣性，卻沒有減少群體誤差」。諷刺的是，多項獨立意見妥善的總合起來，有可能達到驚人的準確度，不過即使只有一點點社會影響，都可能會產生一種羊群效應，破壞群體的智慧。

p13 我們可以在不知道目標或偏誤的情況之下，看出雜訊並進行衡量。
現實世界充滿雜訊

P119 情緒也會改變你的思考方式。一個人如果心情好會比較願意合作，也更容易引起互惠。好心情也會讓人更容易接受自己的第一印象，而不會質疑自己的第一印象是不是正確。一個人在心情好的時候比較容易讓偏見左右自己的思維。

P121 你不可能永遠都一樣。一個人的情緒出現變化時(當然，這是你可以意識到的)，認知機制的一些特徵也會跟著改變(這就不是你可以完全意識到的)。
天氣的影響也許是透過情緒「傳遞」
專業人員依序做出一連串的決策，都傾向恢復某種形式的平衡。賭徒謬誤gambler's fallacy 我們往往低估一連串好事與壞事會隨機發生的機率

p140群體極化
在經過討論之後，群體最後的決定往往要比他們個人原本認為的傾向要來得極端。
同一個案件來看，審議陪審團的雜訊要比統計陪審團大得多，顯然有社會影響的雜訊反應。審議會使得雜訊的效應增加。
成員互相交談之後，通常最後的結果會比原來的傾向更極段。

一切似乎取決於最初的人氣。我們最好加緊努力，好讓新產品上市第一週就能一炮而紅。
我一直懷疑，與政治和經濟有關的想法很像電影明星。如果人們認為別人也喜歡，這樣的想法就能廣受歡迎。
P144

多元迴歸產生的預測分數是多個預測因子的加權平均值。最佳權重可使預測值的均方差達到最小，這是最小平方法在統計學占主導角色的典型之例。
機器預測
米爾:簡單的機器規則通常優於人類判斷。
簡單模型的另一個限制是，某個預測因子增加一個單位，總是會產生相同的效果。臨床直覺則常常違反這個規則。常見直覺:相同的差異在某種情況之下可能無關緊要，在另一種情況卻是關鍵所在。

illusion of validity
只要進行預測性判斷，就會出現效度錯覺，因為我們常常無法區分預測任務的兩個階段:根據已有的證據來評估個案，以及預測實際結果。你可能常對自己評估哪個人選看起來必較好深具信心，但是猜中誰真正比較好完全是另一回事。

將誤差進行平方加權就是統計學的核心。
總體誤差(均方差)=偏誤平方+雜訊平方
直角三角形 畢氏定理
以總體誤差而言，雜訊和偏誤是獨立的:不管偏誤有多少，減少雜訊的好處都是一樣的。

p168 如果原始樣本很小，經過交叉驗證後，準確度會減少更多，因為在小樣本中，偶然因素的影響會更大。
社會科學研究的樣本一般而言都很小，因此所謂最佳權重的優勢就消失了。
相等權重有一種 穩健之美
訣竅在於決定要看哪些變數，然後知道如何把它們加總起來。
兩個以上有相關性的預測因子組合起來的預測性，並不比個別的單一預測因子好多少。因為在現實生活中，預測因子總是彼此相關，這項統計結果支持我們利用包含少數預測因子的節約模型來做預測。

機器學習演算法能從變數的組合找出可能被忽略的重要訊號