Jaki jest twój ulubiony problem z wprowadzeniem prawdopodobieństwa?

11

Lubię wprowadzać prawdopodobieństwo, dyskutując o paradoksie Chłopca, Dziewczyny czy Bertranda .

Jaki inny (krótki) problem / gra stanowi motywujące wprowadzenie do prawdopodobieństwa? ( Poproszę jedną odpowiedź na odpowiedź )

PS Chodzi o delikatne wprowadzenie do prawdopodobieństwa, ale moim zdaniem jest istotne w nauczaniu statystyki, ponieważ pozwala dalej dyskutować o dyskretnych zdarzeniach, twierdzeniu Bayesa, przestrzeni probabilistycznej / mierzalnej itp.

chl
źródło

Odpowiedzi:

11

Dobrym przykładem pokazania, jak ludzie są nieprzypadkowi, jest zachęcenie klasy do zapisania liczby od 1 do 10. Następnie poprosisz 1, 2, ... o wstanie.

To, co się dzieje, to fakt, że większość klasy wybiera 7, a bardzo niewielu wybiera 1 i 10. Prowadzi to do interesujących pytań, takich jak:

  • Jak wybrać liczbę losową?
  • Projektujesz eksperyment?
  • Co rozumiemy przez przypadek?
csgillespie
źródło
1
Czy jest wyjaśnienie pojawienia się 7?
1
Moje ogólne wyjaśnienie wymachujące ręką jest następujące: ludzie unikają {1, 5, 10}, ponieważ są zbyt oczywiste, a zatem „nieprzypadkowe”. Liczby mniejsze niż 5 - cóż, kto chce małej RN! Ludzie zwykle wybierają średnią liczbę od 5 do 10. Próbowałem już tego przykładu sześć razy (w klasach wielkości ~ 100) i za każdym razem działało.
csgillespie
2
I oczywiście 17 to najmniej losowa liczba. catb.org/~esr/jargon/html/R/random-numbers.html, ale moja ulubiona losowa liczba to 37: jtauber.com/blog/2004/07/09/... (chociaż zobacz także scienceblogs.com/cognitivedaily/ 2007/02 /… )
ars
1
Myślę, że to pokazuje, że „losowości” nie można w pełni zdefiniować. Jeśli zaczniesz zbyt często definiować „losowość”, wówczas zacznie się on systematyzować. Dobrym przykładem są tasowanie kart - jeśli robisz to w systematyczny sposób, tasowanie nic nie osiąga.
probabilityislogic
8

Standardowym przykładem jest gra Monty-Hall .

Oto jak podchodzę do tego przykładu:

  • Daj zestawy klas z trzema kartami i poproś je, aby grały w pary.
  • Każda para gra w grę zgodnie z określoną strategią, tj. Zawsze zmienia drzwi.
  • Następnie wykorzystuję liczbę wygranych przez klasę do obliczenia szacunkowej wygranej Monte-Carlo.
csgillespie
źródło
5

Naprawdę podoba mi się każdy problem, który ma jakiś wynik sprzeczny z intuicją w stosunku do tego, co chcielibyśmy myśleć. Dotychczasowe problemy to klasyka w dziedzinie prawdopodobieństwa, dlatego dodam mój ulubiony klasyczny problem: problem urodzinowy . Zawsze wydawało mi się niesamowite, że istnieje tak duże prawdopodobieństwo, że dwie osoby na te same urodziny będą miały tak małą próbkę.

Christopher Aden
źródło
4
Zgadzam się z tobą i około dziesięć lat temu zebrałem wiele takich problemów na kurs (patrz quantdec.com/envstats/homework/class_03/paradox.htm ). Istnieje jednak silny pedagogiczny kontrargument: samo prawdopodobieństwo może być mylące, więc jeśli zaczniesz od sprzecznych z intuicją przykładów, ryzykujesz utratę odbiorców na zawsze (jak Augustus DeMorgan, pionier probabilistyczny, który później w życiu całkowicie się poddał) na prawdopodobieństwo jako beznadziejnie trudne!). Dlatego należy zachować ostrożność, szczególnie jeśli chcesz motywować ludzi w środowisku wprowadzającym .
whuber
Myślę, że powoduje polaryzację. Uczniowie, którzy nie są zainteresowani matematyką / prawdopodobieństwem, będą zdezorientowani, a dociekliwi / zainteresowani studenci zostaną zainspirowani, aby dowiedzieć się więcej. Jak powiedziałeś, najlepiej zachować ostrożność. Nic nie może być gorsze niż zdezorientowany nauczyciel przedstawiający mylący przykład!
Christopher Aden
4

Ryzykując, że zabrzmi to zbyt prosto, myślę, że najlepszy problem do wprowadzenia zależy od tego, z kim rozmawiasz.

Na przykład moi przyjaciele ze sztuki wariują, kiedy mówię o matematyce i statystykach, ale potem mówię im, że nie powinni się bać, ponieważ cały czas mówią matematykę. Daję im więc takie przykłady, jak „jakie są szanse, że dzisiaj będzie padać?”, Nie uznajesz, że wykonujesz obliczenia, ale oceniasz pewne prawdopodobieństwo w twoim umyśle. Dlatego dla nich lubię wybierać bardzo powiązane problemy dotyczące pogody i emocji („Na przykład, mając depresję, jak prawdopodobne jest, że pada deszcz na zewnątrz?”) I pokazać im matematykę, w jaki sposób możemy na nie odpowiedzieć. Potem, po odkryciu intuicji matematycznego rozwiązywania problemów, mówię im, jaka jest terminologia w tym zakresie. I tak, zachęciłem moich przyjaciół ze sztuki, aby chętnie przez to siedzieli!

Osobiście nauczyłem się statystyki lepiej, gdy miałem problem w mojej domenie, który rozumiałem bardzo dobrze. Uważam, że kiedy bardzo dobrze rozumiesz problem, łatwiej jest zrozumieć matematykę. Myślę, że zbyt często ludzie po prostu uczą się na pamięć i starają się dopasować problemy, które już widzieli, do nowych, zamiast próbować zrozumieć każdy problem.

użytkownik4673
źródło
3

Drunkard's Walk Leonarda Młodyna jest pełen takich przykładów, w tym jednego na temat pozytywnego testu na HIV, który jest dokładny 99,9%. Wykorzystując statystyki bayesowskie, rzeczywiste szanse na wynik testu pozytywnego wynoszą mniej niż 10% (podobny przykład jest szczegółowo opisany w rozdziale drugim książki Agresti Wstęp do analizy danych kategorialnych). Kolejny przykład (łamię jeden przykład na odpowiedź, ale jest to zasadniczo ten sam problem z prawdopodobieństwem warunkowym) pochodzi z procesu Simpsona, w którym jeden z prawników Simpsona, Alan Dershowitz, zauważył, że chociaż Simpson pobił swoją żonę, to nie miało znaczenia, ponieważ w Stanach Zjednoczonych co roku cztery miliony kobiet są bite przez swoich męskich partnerów, ale tylko jedna na 2500 zostaje ostatecznie zamordowana przez swojego partnera (1 na 1000), więc według kryterium „uzasadnionej wątpliwości” nie ma to znaczenia. Jury uznało ten argument za przekonujący, ale jest fałszywy. Istotnym pytaniem było, jaki procent wszystkich zamordowanych kobiet, które zostały zamordowane, jest zabijanych przez ich oprawców, co nie jest równe 1 na 1000, a raczej 9 na 10.

603
źródło
1
To też mój ulubiony przykład (test na HIV), ale nie jestem pewien, czy prawdopodobieństwo warunkowe jest zbyt „zaawansowane”, biorąc pod uwagę charakter wprowadzający (wiele badań wykazujących, że nie jest zbyt intuicyjne). Jeśli tego nauczasz, polecam przejrzenie Gigerenzer i metody częstotliwości: library.mpib-berlin.mpg.de/ft/gg/GG_How_1995.pdf
ars
@ars:> może najpierw podajesz im wszystkie istotne informacje w formie tabeli, potem problem „co myślisz, że p (AIDS | test = 1)?”, potem licznik intuicyjny, tylko wtedy pokazujesz im problem ponownie rzutowany jako „drzewo” (gdzie wszystkie 4 końcowe węzły są możliwymi przypadkami), a gałęzie pokazują odpowiednie prawdopodobieństwo. Z mojego doświadczenia wynika, że ​​nie wszyscy muszą rozumieć ostatnią nogę, ale musi ona przekazywać znaczenie posiadania zasadniczego sposobu myślenia o tych kwestiach.
user603,
1

Dla delikatnego wprowadzenia podoba mi się przykłady z wykorzystaniem tablic awaryjnych 2x2. Przykład testu diagnostycznego, jak wspomniano powyżej, w którym prawdopodobieństwo pozytywnego wyniku testu przy danej chorobie nie jest równe prawdopodobieństwu choroby przy pozytywnym wyniku testu. Można również użyć projektów z różnymi schematami próbkowania, takimi jak badanie kohortowe vs. badanie kontrolne, aby zilustrować, jak wpływa to na to, jakie prawdopodobieństwa można oszacować.

jkd
źródło