當期望值無法量化時的評斷方法
提到數學,一般直接想到用來量化評量或判斷,但
是在無法量化的情況下,是否有別的數學方法來協助
判斷?
例如很基礎的期望值。根據定義,某事件的期望值是
該事件影響的程度與其發生頻率(或機率)的乘積。
E = M*P;
E: 期望值, M: 影響的程度, P: 機率
當這影響程度和機率兩者都有可靠的量化數據時,該事
件的期望值之數值可被可靠地計算出來。但是,萬一該
兩者之任一無法得到可靠的量化數據,有否數學方法對
事件的期望"值"做系統性而可靠的評斷?
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.136.56.12
※ 文章網址: https://www.ptt.cc/bbs/Math/M.1518093629.A.425.html
→
02/10 08:21,
6年前
, 1F
02/10 08:21, 1F
→
02/10 08:25,
6年前
, 2F
02/10 08:25, 2F
把 M 量化的最粗淺方式是指派重要性再給序數,比方 5 級制(5, 4, ..., 1)。
至於您所謂以貝氏法指定先驗機率,能否稍微舉個例子?
以事物的機率或發生頻率來講,記得是要有足夠量的樣本,才能適當估計母體的
(真正)機率或發生頻率。但是比方說我們才剛剛新設計出某個機器,這時候沒有
先前資料可供估計這機器生產產品的良率不是嗎?
→
02/11 01:15,
6年前
, 3F
02/11 01:15, 3F
數學裡不是有圖論和拓樸還有邏輯分析? 另外,數學理論完全不處理從原始資料
轉換成有意義的數據資料的步驟? 記得數學也有定性分析和定量分析之分。
※ 編輯: saltlake (220.136.56.12), 02/11/2018 03:45:52
→
02/11 09:46,
6年前
, 4F
02/11 09:46, 4F
→
02/11 09:49,
6年前
, 5F
02/11 09:49, 5F
→
02/11 09:51,
6年前
, 6F
02/11 09:51, 6F
→
02/11 09:53,
6年前
, 7F
02/11 09:53, 7F
→
02/11 09:54,
6年前
, 8F
02/11 09:54, 8F
→
02/11 09:56,
6年前
, 9F
02/11 09:56, 9F
→
02/11 09:57,
6年前
, 10F
02/11 09:57, 10F
→
02/11 11:58,
6年前
, 11F
02/11 11:58, 11F
→
02/11 11:58,
6年前
, 12F
02/11 11:58, 12F
→
02/11 11:58,
6年前
, 13F
02/11 11:58, 13F
→
02/11 11:59,
6年前
, 14F
02/11 11:59, 14F
→
02/11 11:59,
6年前
, 15F
02/11 11:59, 15F
推
02/11 12:28,
6年前
, 16F
02/11 12:28, 16F
→
02/11 12:30,
6年前
, 17F
02/11 12:30, 17F
→
02/11 12:30,
6年前
, 18F
02/11 12:30, 18F
→
02/11 12:32,
6年前
, 19F
02/11 12:32, 19F
推
02/12 21:34,
6年前
, 20F
02/12 21:34, 20F