读书笔记:魔鬼数学1
数学是一门让很多人头疼不已的科目,抽象的表达,繁杂的公式都让人云里雾里。也有人鄙夷数学,认为我买个菜还得会微积分?可以说,数学在很多人眼里就是不折不扣的魔鬼。但本书表达的另一层意思却是数学有着魔鬼般的魔力,大到经济社会学,小到生活中各种决策,都被数学原理支配着。教科书向我们灌输了一大堆公式却没有传达数学的魅力和美感。本书教我们重新认识数学,以数学的思维重新审视这个世界,让人一拍大腿,哇,原来是这样!当我们跳出常识的桎梏,可能会发现全新的世界。
数学研究的是事物的规律,是对规律的总结。你想想,当整个宇宙的所有事物都可以用几个简单的式子表达,这是一件多么美妙的事情。这正是所谓的一生二,二生三,三生万物。同样,生活中很多常识,直觉往往都是不对的,数学则是带你跳出迷雾的工具。
文中举了一个很有名的例子,也就是幸存者偏差常用的例子。二战中美军希望对飞机进行加厚装甲改造。因为需要保证飞机质量不要过重,只能在某个部位加厚。于是他们统计了飞机中弹情况,发现机翼弹坑最多,发动机部分弹坑最少。他们得出机翼更容易中弹的结论,准备加厚机翼。但一个数学瓦尔德却告诉他们应该加厚发动机部分,之所以统计结果是那样是因为他们统计的都是幸还的战机,而很多击中发动机部分的战机已经坠亡,并没有进行统计,从而导致了统计的偏差。可以看到,理性的数学往往可以一针见血地指出真相,帮助我们进行正确的决策。
书本第一章介绍的是线性。现实生活中的事物关系往往是非线性的。比如第一节提到的拉弗曲线。所谓拉弗曲线是拉弗提出税率和国家税收关系的曲线图。类似于二次曲线,中间有极大值,两端均为0。这种关系其实比较直观,当税率为0时,国家税收为0,为100时,人民所挣的钱全部上交,自然也失去了劳动的动力,因此总税收还是0。它的意义在于介是了税率税收的关系是非线性的,并非提高税率就能提高总税收。因此里根在位时也是基于此种观点大幅减税。当然了,效果好不好另说,两者关系肯定不会如二次曲线那样简单,尽管可以确定两端均为0,却无法表达中间的变化情况。而我觉得,对于税收这种影响因素很多的东西来说,是不能单纯的表达出税率和它的关系的,不能说增加税率或减少必然就能增加总税收。对于社会学,经济学,我不甚了解,但我觉得需要融合概率,混沌,博弈,人性学等多种知识,不是几个公式可以搞定的。如果可以推导出靠谱的理论,那就是预言机器,就如银河帝国里的预言理论一般。同样这也是经济繁荣,社会发展的指导理论。但是这理论目前还是太不现实了。
求《魔鬼数学》全文免费下载百度网盘资源,谢谢~
《魔鬼数学》百度网盘pdf最新全集下载:
链接:
?pwd=n4cj 提取码:n4cj
简介:《魔鬼数学》带领我们踏上了一段精彩绝伦的数学思维之旅,旅行过后,相信你可以成为一个更棒的思考者。作者从历史及最近的理论发展中汲取精华,向我们展示了数学知识的魅力和力量。数学可以让我们更好地思考:它可以磨练我们的直觉,让我们的判断更敏锐,它还可以驯服不确定性,让我们更深入地了解世界的结构和逻辑。
翻滚吧数学君——《魔鬼数学》读书笔记
本周继续延续思维训练模块的阅读,主题是 “数学思维” ,精读书是美国威斯康星大学数学系教授 乔丹·艾伦伯格 写的 《魔鬼数学》 。
提到数学,可能有不少人会眉头一皱,仿佛回到那个掉落铅笔的午后,捡起来就再也听不懂数学老师的推导了,着实让人焦虑、惆怅。在学校所学的数学知识看上去不过是一堆沉闷的规则、定律和公理,我们在中学学了三角函数,到了大学又学了微积分,但是,大部分成年人在他们的日常生活中,能有几次用到余切函数或是不定积分的时候?那我们为什么还要学这些由前人传下来看起来又不容置疑的数学呢?
在这本《魔鬼数学》中,作者 摒弃了复杂的专业术语,用现实世界中的逸事、基础的方程式和简单的图表,来讲述数学的魅力,以及如何获得用数学原则解决生活中问题的技巧。 乔丹•艾伦伯格认为,数学是人类最重要的基础科学之一,也是生活中最有用的思维工具。 数学可以帮助我们更好地了解这个世界的结构和本质,应该被放在每个有思想的人的工具箱里,特别是在当下的大数据时代,我们更需要借助数学思维的力量,用于更好地解决问题,规避谬误和错误的方法。
书的一开始作者就提出一个观点, 数学知识可以分为四个象限,我们只需要重点关注其中的一个象限就行。
第一个象限是 简单而浅显 的数学知识。这些数学知识看起来更为复杂,但从理解的难度上来讲,其实也是非常简单的。
第二个象限是 复杂但是浅显 的数学知识。这些数学需要一些解题技巧,需要更细心,但是,这些仍然只是浅显的数学知识。我们在学校里花费了大量的时间学习解题技巧,其实对于领会数学的美并没有帮助,相反,可能还让我们对数学倒了胃口。
第三个象限是 复杂而且深奥 的数学知识。这是专业从事数学研究的人感兴趣的领域,要想进入这个领域,需要一定的数学天分,而且必须非常投入,付出艰辛的努力,一辈子孜孜以求。我们普通人可能只能在门口往里面瞄一眼,里面的神秘世界是什么样子的,我们并不清楚。这个领域的知识是供我们这些普通人膜拜的。
最值得学习的是第四个象限的数学知识,也就是 简单而深奥 的数学知识。 简单,是因为这都是入门的知识;深奥,是因为这些知识是违反我们的直觉的,或是需要我们更缜密地推理的 。比如,对随机性的理解、对因果关系的理解、对回归的理解,都属于这一类。这里作者举了一个 “消失的弹孔” 的故事 :如果需要给战机加装装甲,参考作战后返航的战机,应该加装在弹孔密集的机身,还是弹孔较少的引擎部位呢?二战期间美国军方的统计研究小组成员亚伯拉罕·瓦尔德认为,需要加装装甲的地方不应该是弹孔多的机身,而应该是弹孔少的引擎。为什么会是这样呢?先从一个理论假设来看。从理论上来说,飞机各个部位中弹的概率应该是一样的。那么,为什么返航的飞机机身上的弹孔比引擎上的弹孔更多呢?换言之,引擎上本来应该有的弹孔去哪里了?瓦尔德认为,这是因为引擎被击中的飞机都坠毁了。回来的飞机,机身上尽管留下了很多弹孔,却仍然能够经得住打击,所以才能安全返航。打个比方来说,如果我们到战地医院去统计受伤的士兵,你会发现,腿部中弹的士兵肯定比脑部中弹的士兵要多。脑部中弹的士兵很少能够活下来,腿部中弹的士兵才有更大的概率存活。这就是所谓的 “幸存者偏差” ,也就是说, 我们只看到了幸存下来的,却没有看到那些已经失败和消亡的。
所以这本书主要讲的,就是介绍怎么运用了第四象限的数学方法分析和解决日常生活的问题,作者用寓教于乐的案例与方法,帮助我们重新认识了5个与数学有关的概念,分别是: 线性、推理、回归、存在和期望值 。
要想预测未来,最好的办法是从 确定性 开始。经济学家经常要做预测。有一个笑话说,经济学家最喜欢干的事情就是预测,但是最不在行的事情也是预测。如果要预测短期或者要预测长期相对容易,但最难的是预测中期。
预测短期和长期的时候会有更大的确定性,因为最简单的办法就是线性外推。 线性外推的方法是说今天发生了什么,明天还会发生。在现实世界中,确实有很多现象是线性变化,或者是类似线性变化的。比如人的衰老,信息的增长,中国的工业化和城市化的不可逆发展。在线性的趋势中,我们还可以再分辨出 硬趋势 和 软趋势 。 硬趋势是你可以测量或者感知出来的趋势;软趋势是你似乎可以看得到,似乎可以预测出来的推测。 比如二战结束后大批美国军人回国,出现婴儿潮,所以人口数据是我们看得见、可预测的硬趋势;而人们本来认为战后企业订单会暂时减少,经济因此出现衰退,可是并没有发生预想的经济衰退,这就是一种更难预测的软趋势。
相对来说, 预测短期和预测长期技术难度相对较小,而预测中期更为复杂。 不说别的,在中期会有更多的波动,而这些波动的转折点是很难预测的。比如,即使你知道股票存在着泡沫,但泡沫什么时候崩溃是很难预测的。即使你知道股价被低估,但被低估到什么时候会出现反弹也是很难预测的。
所以,在预测中期趋势的时候,一定要慎之又慎。在预测中期趋势的时候,噪音更多,规律更复杂。我们会遇到 波动 ,又会遇到 周期 。所以尽管线性趋势是最简单最直观的,但是我们还要提醒自己, 不是所有的现象都是线性趋势。盲目地应用线性趋势,有时会得出非常荒诞的结论。
再举一个例子。最近在讨论 特朗普减税 的时候,媒体经常会提到 拉弗曲线 。 拉弗曲线讲的是,随着税率的提高,税收一开始会增加,但是税率太高,会影响到人们的劳动积极性,税率会减少,税收反而会减少。 拉弗曲线是对的吗?从数学的角度来看,拉弗曲线可能是对的。拉弗曲线指出,税率和税收的关系并非是线性的。从常识上解释税率和工作意愿的关系似乎也说的通。但是为什么大部分经济学家对拉弗曲线嗤之以鼻呢?
因为 拉弗曲线缺乏坚实的理论基础 。首先, 税率不一定是决定政府税收收入的最重要因素 ,提高税收收入更有用的办法可能是提高征税效率。再者, 减税之后,人们的工作积极性也不一定就会提高 ,毕竟影响人们工作积极性的因素是很复杂的。 有两个因素决定了我们工作的积极性,一个是基础因素,一个是动力因素。金钱收入只是基础因素,而动力因素则包括挑战性,获得认可感、责任感和个人成长等等。
大部分经济学家并不是说拉弗曲线的形状不对,而是说,我们在 看待税改的时候不能简单用事 。现在,美国高收入的税率远比20世纪绝大部分时间要低得多,也就是说,几乎没有经济学家认为美国现在正处在拉弗曲线的下行区域。
如果 简单地评估一下特朗普减税的效应 的话,特朗普减税对美国经济的影响未必像有一些朋友想象的那么大。第一, 特朗普减税并不是发生在美国经济处在相对低迷的时期 。经济学告诉我们,只有在经济低迷的时候,减税对经济增长的刺激作用才更加明显;第二, 特朗普的减税明显带有“劫贫济富”的色彩 。这会加剧美国的贫富差距,使得本来已经撕裂的美国社会更加分化;第三, 如果在减税的同时没有减少政府的支出,很可能会导致美国的债务压力越来越大。
但是美国通过减税来让跨国公司的海外利润回流, 资本外流的压力、人民币重回贬值通道、被动减税的压力、资产价格泡沫可能面临的被动萎缩,留给我们中国“独善其身”的时间还有多久呢? 这一次先不讲太多,等到后面关于“大国博弈”的读书模块,再来细说(容我先充充电再分享,捂脸hhh)
某一天,你突然接到一位来自巴尔的摩的股票经纪人的邮件,推荐了一只承诺一周后会涨的股票,你没有理睬,之后的十周里,他每周都推荐一只新的股票,而你惊喜地发现他预测的股票居然全都涨了,那么第十一周,你会选择购买他的股票吗?这就是非常著名的 “巴尔的摩股票经纪人” 的故事。然而,你或许会觉得神奇,甚至是奇迹的事情,巴尔的摩股票经纪人连续十次猜对股票的涨跌,却是一场背后隐藏着概率的骗局。知道了方法,股市白痴也很容易就能实现,因为收件的对象不止一个。只需要在第一周发出10240份邮件,一半收件人的邮件预测这只股票涨,另一半做相反预测;下一周,后一种收件人就不会收到邮件了,余下的5120人分两批继续收到对半分的不同预测邮件,以此类推到了第十周,只剩下10个人会连续收到十周预测准确的邮件,你猜他们会怎么想呢?所以我们在做数学推理的时候要以这个故事为戒: 面对大数据的分析必须小心翼翼,二次方程的根可能不止一个,同一个观察结果有可能产生多种理论,让我们误入歧途的不是事情的真伪,而是推理的时候漏掉了某种假设。
“推理”这一章还提到了 “零假设”和“显著性检验” 两个非常有意思的概念。
零假设是假设毫无效果,或假设丝毫不起作用,或是假设没有任何相关关系。我们在做研究的时候,要从零假设开始,然后通过做实验,或是搜集数据,看看能不能推翻零假设。 怎么推翻零假设呢?这要用到显著性检验, 显著性检验其实是一种模糊的归谬法。
归谬法 的思路是,为了证明某个命题不正确,我们先假设该命题是真的,然后,我们看看能不能推导出来什么结论,如果这个结论明显是错误的,那么,该假设就是假的命题。也就是说,我们 先假定假设H为真,根据H,某个事实F不成立,但是,F是成立的,因此,H不成立。 然而在大多数研究中,我们 不可能如此斩钉截铁地得出结论 ,所以显著性检验出现了。
我们先假定假设H为真,根据H得到某个结果为O的可能性应该非常小,但是,很不幸,我们看到事件O发生了,因此,H成立的可能性非常地小。 比如,我们假定S先生是工作积极认真的,如果他工作是积极认真的,那么,在工作时间发现他打王者荣耀的概率就会很小,可是,我们却发现,此人确实曾有过该开重要的会议了,他还在打王者荣耀,那这说明什么?说明我们原来的假设,也就是说,他工作积极认真的假设很可能是错的。
所以显著性检验可以分成 四步 :
1、开始实验;2、假定零假设成立;3、观察实验结果中出现事件O的概率,我们把这个概率称为P值。P值反映的是零假设成立的可能性;4、如果P值很小,我们就认为实验结果满足零假设的可能性很小,你可以通过这种归谬法判断,你原来想检验的猜想具有统计学上的显著性。如果P值很大,我们就得承认零假设还没有被推翻。
当然, 显著性检验也有潜在的陷阱需要注意 :
1、P值多小才是显著的呢?在 显著性与非显著性之间并没有一条泾渭分明的界限 。
2、 我们不能假设一种因素一定会有影响力。如果我们太想得出有影响力的结论,就可能会操纵实验。
3、 不要误解“显著性” 。很多科学术语都有误导,显著性这个词就是典型的例子, 要分清作用“显著”和“有效”的区别 (论文写作要点get√)。
研究表明,身材高的父母生出身材高的孩子的概率不是百分之百。实际上,父母和孩子的身高是受到回归效应影响的。 在时间纵轴上受影响、具有随机性的事物,无不遵循这一规律。只要数据足够大, 人类的身高或者智商, 都有趋于平均值的回归性 ,这就是我们熟悉的 “大数定律” 。举个栗子,大型医院里每年同一性别婴儿的出生率会比小型医院的更接近50%,你觉得呢?
“少数服从多数” 原则简单明了,看似公平,但也 仅在涉及两种观点时才能取得最佳效果 , 只要观点多于两种,众口难调,大多数人的喜好就会有自相矛盾的地方 。所以可以这样说, 民意是根本不存在的东西 ,更准确地讲, 只有在大多数人意见一致时民意才会存在。 如果按照逻辑办事,就经常需要违背大多数人的意见,对于政治家来说,对不一致的民意进行合理运用才是职责所在,只需让大部分人满意就可以了。
彩票的购买价值和获奖价值是不同的,购买价值是你购买一张彩票所用的金额,而 获奖价值是引入概率论之后彩票的真正价值 ,我们可以用 期望值 来表达。一个彩票的期望值只有在低于购买价值的时候才是不值得购买的,如果高于购买价值,当你的购买量达到一定数量的时候,彩票是值得购买的。
数学思维其实是我们的一种本能,与语言其实是同宗同源的 。我们的祖先曾经生活在树上,经常需要在树枝间跳来跳去,他们需要很好的三维空间意识。当他们到了开阔的草原上,需要判断距离的远近,这就要求有二维空间意识。随着他们的生存环境变得越来越复杂,我们的祖先开始具有判断因果关系的意识。但是,为什么自然而然出现的数学思维,最终并没有固化到我们的日常思维中呢?为什么我们大部分人还是觉得数学太难了呢?这里的关键是 抽象 。
抽象是数学的工具箱中最具有威力的工具。只要有机会,数学家就会尝试抽象。到最后,他们就会彻底忘掉真实世界,专注于抽象的定义和概念。 所以作者才会说,孩子们开始放弃对数学的学习有两个时刻,一是接触到分数的时刻,一是学习代数的时候,是两次阶跃性的抽象过程。 抽象可以分为四个层次,“眼见为实”、“想到为实”、“眼见为虚”、“想到为虚”。 最后一种, “想到为虚”才是数学思维的层次。数学对象是全然抽象的,它们同现实世界没有简单或者是直接的联系。数学,是一种在抽象之上再抽象的层次 ,比如我们最早在加减法接触到交换律和结合律,延伸到乘法,再到几何,再到函数、集合、矩阵,如果学的数学系,还会考虑在什么时候下,群能满足交换律。 数学的本质是一以贯之的,它就是一种关于模式的科学,有的模式相对简单,有的模式相对复杂,复杂的模式不过是模式的模式,甚至是模式的模式的模式 ,于是,我们就开始糊涂了。 我们可以把数学设想为一个由乐高积木搭成的雄伟建筑。尽管看起来非常复杂,但如果仔细去看,你会发现它是由一个一个简单的模块拼装起来的。数学的本质思想就是简单的东西是复杂的,而复杂的东西其实是简单的。 这就回到这本书的主题了,我们为什么要学习简单而深奥的数学知识。
看过 “拉弗曲线” ,就能理解税率与政府之间的关系;知道 “线性中心主义” ,才清楚 “按比例换算” 原来那么荒谬; “大数定律” 就是那只不讲情面的、无法抗拒的手; “比盘子还大的饼状图” 反映了“真实但是不准确”的数字错位……这些数学常识告诫我们,必须要注意数学出现的场合,离开了附着的情境,数学就会成为有心人的工具,政治选票、市场数据、盈利报告,这种那种,它们往往用繁琐的、累叠的数字来包裹,能够破解它们的就是数学思维培养出的洞察力,这就是作者想要告诉我们的。
以上。
魔鬼数学:大数据时代,数学思维的力量
强烈推荐这本书,作者乔丹-艾伦伯格用浅显易懂的语言把高深的数学知识,宏大的数学世界观展现在我们面前,即使数学很差,也不影响我们阅读。
书中并没有教我们如何拥有数学思维,如何用数学思维去处理现实问题,而是描述了过去历史上那些生动有趣的真实事件,让我们自己去思考数学思维是如何影响事件的产生,发展。
‘一个数学界的超级明星为我们揭示混沌的世界表象下隐藏的数学逻辑之美,教你运用数学思维的力量,做出正确的工作与生活决策’。这是书封面的一段话,这段话吸引了我翻开这本书,想知道究竟什么样的思维能引导我做出更好的抉择,或者这些思维我们经常使用,只是不知道它的名字,现在开始就可以深入了解它的来龙去脉,揭开它神秘的面纱。
如果你是一个有‘数学焦虑症’的人,你可能不会相信有一天你会爱上数学。原因在于,我们在学校所学的数学知识看上去不过是一堆沉闷的规则、定律、公理,都是前人传下来的,而且是不容置疑的。作者告诉我们这样的认识是错误的。数学与我们所做的每一件事都息息相关,可以帮助我们洞见在混沌和嘈杂的表象之下日常生活的隐性结构和秩序。
《魔鬼数学大数据时代,数学思维的力量》epub下载在线阅读,求百度网盘云资源
《魔鬼数学》([美] Jordan Ellenberg)电子书网盘下载免费在线阅读
资源链接:
链接:
提取码:anw0
书名:魔鬼数学
作者:[美] Jordan Ellenberg
译者:胡小锐
豆瓣评分:8.1
出版社:中信出版集团
出版年份:2015-9-5
页数:408
内容简介:
如果你是一个有“数学焦虑症”的人,你可能不会相信有一天你会爱上数学。原因在于,我们在学校所学的数学知识看上去不过是一堆沉闷的规则、定律和公理,都是前人传下来的,而且是不容置疑的。在本书中,世界知名数学家乔丹·艾伦伯格告诉我们这样的认识是错误的。数学与我们所做的每一件事都息息相关,可以帮助我们洞见在混沌和嘈杂的表象之下日常生活的隐性结构和秩序。数学是一门告诉我们“如何做才不会犯错”的科学,是经年累月的努力、争论所锤炼出来的。
你应该提前多长时间到达机场?民意调查的结果真的能代表人们的意愿吗?为什么父母都是高个子,孩子的身高却比较矮?用什么策略买彩票才能中大奖?本书运用数学方法分析和解决了很多的日常生活问题,帮助数学门外汉习得用数学思维思考问题的技能。
作者用数学这条主线穿起了时空,从每时每刻到宇宙空间,中间还穿插了很多人和事物,比如棒球、里根经济学、伏尔泰、意大利文艺复兴时期的绘画、人造语言等。本书带领我们踏上了一段精彩绝伦的数学思维之旅,旅行过后,相信你可以成为一个更棒的思考者。作者从历史及最近的理论发展中汲取精华,向我们展示了数学知识的魅力和力量。数学可以让我们更好地思考:它可以磨练我们的直觉,让我们的判断更敏锐,它还可以驯服不确定性,让我们更深入地了解世界的结构和逻辑。
拥有了数学工具,我们就可以把那些我们想当然的事情看得更透彻,从而做出正确的决策。
作者简介:
乔丹·艾伦伯格(Jordan Ellenberg)
美国威斯康星大学数学系教授。他在世界范围内发表他的关于数论研究的演讲,并于2013年在世界最大的数学会议——数学联合会议上做主题演讲。他的文章主要发表在《连线》《纽约时报》《华盛顿邮报》《华尔街日报》《波士顿环球报》等媒体上,他还为《石板》杂志写作“Do the Math”专栏文章,十分受欢迎。
,生活中很多常识,直觉往往都是不对的,数学则是带你跳出迷雾的工具。 文中举了一个很有名的例子,也就是幸存者偏差常用的例子。二战中美军希望对飞机进行加厚装甲改造。因为需要保证飞机质量不要过重,只能在某个部位加厚。于是他们
数学系教授。他在世界范围内发表他的关于数论研究的演讲,并于2013年在世界最大的数学会议——数学联合会议上做主题演讲。他的文章主要发表在《连线》《纽约时报》《华盛顿邮报》《华尔街日报》《波士顿环球报》等媒体上,他还为《石板》杂志写作“Do
擎上本来应该有的弹孔去哪里了?瓦尔德认为,这是因为引擎被击中的飞机都坠毁了。回来的飞机,机身上尽管留下了很多弹孔,却仍然能够经得住打击,所以才能安全返航。打个比方来说,如果我们到战地医院去统计受伤的士兵,你会发现,腿部中弹的士兵肯定比脑部中弹的士兵要多。脑部中弹的士兵很少能够活
和孩子的身高是受到回归效应影响的。 在时间纵轴上受影响、具有随机性的事物,无不遵循这一规律。只要数据足够大, 人类的身高或者智商, 都有趋于平均值的回归性 ,这就是我们熟悉的 “大数定律” 。举个栗子,大型医院里每年同一性别婴儿