Taleb i Czarny Łabędź

63

Książka Taleba „Czarny łabędź” była bestsellerem New York Timesa, kiedy ukazała się kilka lat temu. Książka jest teraz w drugim wydaniu. Po spotkaniu ze statystykami na JSM (corocznej konferencji statystycznej), Taleb nieco złagodził swoją krytykę statystyki. Ale głównym założeniem książki jest to, że statystyki nie są zbyt przydatne, ponieważ opierają się na normalnym rozkładzie i bardzo rzadkich zdarzeniach: „Czarne łabędzie” nie mają normalnych rozkładów.

Czy uważasz, że to uzasadniona krytyka? Czy Talebowi brakuje niektórych ważnych aspektów modelowania statystycznego? Czy rzadkie zdarzenia można przewidzieć przynajmniej w tym sensie, że można oszacować prawdopodobieństwo wystąpienia?

Michael Chernick
źródło
2
Również IMO nie sądzę, że tag „czarne łabędzie” będzie bardzo przydatny. Rodzaj wewnętrznego żargonu dla tego konkretnego autora, którego należy unikać IMO. Rzadkie zdarzenia wydają mi się wystarczające, ale na pewno znasz lingo lepiej ode mnie.
Andy W
1
@AndyW Chociaż czarne łabędzie mogą być terminem wymyślonym przez Taleba, staje się powszechnie używanym terminem na rzadkie zdarzenia, dlatego może odnosić się szerzej niż tylko książka Taleba.
Michael Chernick,
2
Niekoniecznie mam problem z tworzeniem tagu „czarne łabędzie” lub tagu „rzadkich zdarzeń”, jednak zdecydowanie zachęcam ludzi do tworzenia fragmentu wiki tagu przynajmniej przy tworzeniu nowego tagu. Przyszli użytkownicy będą potrzebować wskazówek dotyczących znaczenia i właściwego użycia tagu. Przydatne może być również utworzenie obu tych plików i natychmiastowe uczynienie z nich synonimu ponownego, aby uniknąć przypadkowego napotkania tego problemu w przyszłości.
gung - Przywróć Monikę
2
Apropos @kjetilbhalvorsen Przeczytałem książkę Benoita Mandelbrota o finansach i nie mogłem się pogodzić z faktem, że praktycznie wszystkie idee w Czarnym łabędzie są, o wiele lepiej wyjaśnione i bez gadania. Naprawdę rzuciło to inne światło na „wkład” Taleba.
Antoni Parellada,

Odpowiedzi:

69

Kilka lat temu czytałem Czarnego Łabędzia. Pomysł Czarnego Łabędzia jest dobry, a atak na ludyczny błąd (widzenie rzeczy w gry w kości z prawdopodobieństwem poznania) jest dobry, ale statystyki są oburzająco fałszywie przedstawiane, a głównym problemem jest błędne twierdzenie, że wszystkie statystyki rozpadają się, jeśli zmienne nie są zwykle dystrybuowane. Byłem wystarczająco zirytowany tym aspektem, aby napisać Talebowi poniższy list:

Drogi Dr Talebie

Niedawno przeczytałem „Czarny łabędź”. Podobnie jak ty jestem fanem Karla Poppera i zgodziłem się z tym, co w nim jest. Wydaje mi się, że twoja prezentacja ludycznego błędu jest w zasadzie solidna i zwraca uwagę na prawdziwy i powszechny problem. Uważam jednak, że znaczna część Części III źle zawodzi w twojej ogólnej argumentacji, nawet do tego stopnia, że ​​może zdyskredytować resztę książki. Szkoda, ponieważ uważam, że argumenty dotyczące Czarnych Łabędzi i „nieznanych niewiadomych” opierają się na ich zaletach, nie opierając się na niektórych błędach w części III.

Główną kwestią, na którą chciałbym zwrócić uwagę - i poprosić o twoją odpowiedź, zwłaszcza jeśli źle zrozumiałem problemy - jest twoja nieprawdziwa interpretacja dziedziny stosowanych statystyk. W mojej ocenie rozdziały 14, 15 i 16 zależą w dużej mierze od argumentu słomianego człowieka, fałszywej statystyki i ekonometrii. Dziedzina ekonometrii, którą opisujesz, nie jest tą, której nauczono mnie, gdy studiowałem statystyki stosowane, ekonometrię i teorię ryzyka aktuarialnego (na Australian National University, ale używając tekstów, które wydawały się dość standardowe). Poruszane przez ciebie zagadnienia (takie jak ograniczenia dystrybucji Gaussa) są dobrze i prawdziwie zrozumiane i nauczane, nawet na poziomie licencjackim.

Na przykład dokładasz wszelkich starań, aby pokazać, w jaki sposób rozkład dochodu nie jest zgodny z rozkładem normalnym, i przedstawić to jako argument przeciwko praktyce statystycznej w ogóle. Żaden kompetentny statystyk nigdy nie twierdzi, że tak jest, a sposoby radzenia sobie z tym problemem są dobrze ustalone. Na przykład użycie technik z najbardziej podstawowego poziomu ekonometrii „pierwszego roku”, na przykład przekształcenie zmiennej poprzez przyjęcie jej logarytmu sprawiłoby, że twoje przykłady liczbowe wyglądałyby mniej przekonująco. Taka transformacja w rzeczywistości unieważniłaby wiele z tego, co mówisz, ponieważ wtedy wariancja oryginalnej zmiennej rośnie wraz ze wzrostem jej średniej.

Jestem pewien, że są tacy niekompetentni ekonometrycy, którzy wykonują regresje OLS itp. Z nietransformowaną zmienną odpowiedzi, tak jak mówisz, ale to tylko sprawia, że ​​są niekompetentni i używają technik, które są dobrze znane jako nieodpowiednie. Z pewnością zawiodłyby nawet na studiach licencjackich, które spędzają dużo czasu na szukaniu bardziej odpowiednich sposobów modelowania zmiennych, takich jak dochód, odzwierciedlających rzeczywisty zaobserwowany (nie Gaussowski) rozkład.

Rodzina uogólnionych modeli liniowych to jeden zestaw technik opracowanych częściowo w celu obejścia zgłaszanych problemów. Wiele wykładniczej rodziny rozkładów (np. Rozkład gamma, wykładniczy i Poissona) jest asymetrycznych i ma wariancję, która rośnie wraz ze wzrostem środka rozkładu, omijając problem wskazany za pomocą rozkładu Gaussa. Jeśli nadal jest to zbyt ograniczające, możliwe jest całkowite usunięcie istniejącego wcześniej „kształtu” i po prostu określenie zależności między średnią rozkładu a jego wariancją (np. Umożliwiając wzrost wariancji proporcjonalnie do kwadratu średniej), przy użyciu metody szacowania „quasi-prawdopodobieństwa”.

Oczywiście można argumentować, że ta forma modelowania jest wciąż zbyt uproszczona i intelektualna pułapka, która pozwala nam myśleć, że przyszłość będzie jak przeszłość. Być może masz rację i myślę, że siłą twojej książki jest zachęcenie ludzi takich jak ja do rozważenia tego. Ale potrzebujesz innych argumentów niż te, których używasz w rozdziałach 14-16. Ogromna waga, jaką przykładasz do faktu, że wariancja rozkładu Gaussa jest stała, niezależnie od jej średniej (co powoduje problemy ze skalowalnością), na przykład, jest nieprawidłowa. Podobnie jest z naciskiem na fakt, że rzeczywiste rozkłady są raczej asymetryczne niż krzywe dzwonowe.

Zasadniczo podjąłeś jedno nadmierne uproszczenie najbardziej podstawowego podejścia do statystyki (naiwne modelowanie zmiennych surowych jako posiadających rozkłady Gaussa) i pokazałeś (w dużej mierze) wady takiego uproszczonego podejścia. Następnie wykorzystujesz to, aby zrobić lukę, aby zdyskredytować całe pole. Jest to albo poważny brak logiki, albo technika propagandowa. Jest to niefortunne, ponieważ szkodzi ogólnej argumentacji, z której wiele (jak powiedziałem) uważałem za uzasadnione i przekonujące.

Chciałbym usłyszeć, co powiesz w odpowiedzi. Wątpię, że jako pierwszy podniosłem tę kwestię.

Z poważaniem

PE

Peter Ellis
źródło
24
Czy otrzymałeś odpowiedź?
kardynał
4
Tak. Wielu statystyk już wcześniej krytykowało normalny rozkład! Tylko jeden przykład: słynny duński statystyk Georg Rasch (znany z modeli Rascha w psychometrii!) Był znany z tego, że kiedy pił zbyt dużo, „wszystkie książki wspominające o normalnej dystrybucji powinny zostać spalone”!
kjetil b halvorsen
5
++ Peter. Bardzo dobry list !!
Michael Chernick,
14
@cardinal - otrzymałem automatyczną odpowiedź na efekt „od globalnego kryzysu finansowego otrzymuję zbyt wiele wiadomości e-mail, aby odpowiedzieć”.
Peter Ellis,
4
Wygląda na to, że ilość e-maili w reakcji na książkę była sama w sobie BlackSwanem. :)
gwr
22

Nie czytałem książki, ale jak stwierdzono, krytyka wydaje mi się dość nierozsądna. Jeśli zdarzenia ekstremalne są ważne, statystyki mają odpowiednie narzędzia w zestawie narzędzi, takie jak teoria wartości ekstremalnych, a dobry statystyk będzie wiedział, jak z nich korzystać (lub przynajmniej dowie się, jak z nich korzystać i będzie wystarczająco zaangażowany w celu analiza do obejrzenia). Krytyka wydaje się być taka: „statystyki są złe, ponieważ istnieją źli statystycy, którzy wiedzą tylko o normalnych rozkładach”.

Dikran Torbacz
źródło
4
Może przeczytaj książkę, zanim ją skrytykujesz?
kjetil b halvorsen
7
@kjetilbhalvorsen Nie krytykuję książki, krytykuję krytykę opisaną w pytaniu (która może, ale nie musi być odpowiednią reprezentacją treści książki). Wyjaśniłem to bardzo sformułowaniem mojej odpowiedzi (zwróć uwagę, że użyłem słowa „książka” tylko raz, aby dać zastrzeżenie, że go nie przeczytałem i w ogóle nie wspomniałem o Talebie). Może przeczytaj uważnie odpowiedź, zanim ją skrytykujesz? ; o)
Dikran Torbacz
19

Uważam, że stwierdzenie, iż „głównym założeniem książki jest to, że statystyki nie są zbyt przydatne”, jest niedokładne. Po przeczytaniu książki wydaje się, że mówi, że takie rzeczy, jak finanse ilościowe lub wszelkiego rodzaju obrót papierami wartościowymi, który zakłada normalną dystrybucję, jest zasadniczo wadliwy (w rzeczywistości w książce wzywa ludzi, którzy twierdzą, że używają tych modeli do prognozowania , „szarlatani”). Według Taleba, podczas gdy rozkład normalny świetnie sprawdza się w modelowaniu wartości rzeczy materialnych / fizycznych (np. Wzrost, waga, długość życia itp.), Systemy takie jak rynki są często napędzane ludzkimi emocjami, a zatem są podatne na duże wahania, których normalne rozkłady nie są w stanie dokładnie przewidzieć.

Nie rozumiem dobrze statystyk i dopóki nie przeczytam tutaj odpowiedzi, nigdy nie słyszałem o takich rzeczach, jak teoria ekstremalnej wartości. Niezależnie od tego, Czarny Łabędź i Fooled By Randomness wydają się mieć podobne przesłanki, co oznacza, że ​​„normalna dystrybucja nie zawsze jest OK”. Nie pamiętam, by zniesławiał całą dziedzinę statystyki.

Sójka
źródło
16
(+1) Dla pierwszego zdania. Jednak Taleb jest bardziej (pochłonięty) polemikiem niż poważnym intelektualistą. Mam tylko pierwszą edycję BS; jego komentarz do statystyki jest zawyżony i niedoinformowany w wielu miejscach, ale próba pracy tekstu jest czymś więcej niż cytat w pierwszym zdaniu, jak zauważyłeś.
kardynał
3
+1 Myślę, że kluczem jest rozmowa o finansach. Link w NY Times, który cytuje pierwszy rozdział, jak sądzę: nytimes.com/2007/04/22/books/chapters/0422-1st-tale.html
Wayne
6
Na przykład wycena opcji rozpoczęła się od normalnych założeń dotyczących logarytmów zwrotnych, ale wiadomo, że wiele osób uważa kurtozę za bardziej złożone modele dyfuzji skokowej / zmienności stochastycznej.
muratoa
4
+1 Witamy na naszej stronie! Dziękuję bardzo za podzielenie się swoimi przemyśleniami.
whuber
4
Po przeczytaniu książki i napisaniu własnej krytyki (mogę mieć recenzję Amazon Amazon wraz z tysiącami innych), myślę, że Taleb ma finanse i giełdę jako główne przykłady, ale bierze bardziej ogólny pogląd na to, że tak -wołał czarne łabędzie i ma bardzo niedoinformowany pogląd na statystyki i zawód statystyczny (przynajmniej w pierwszym wydaniu). Niewłaściwe użycie normalnego rozkładu może być ważną krytyką za to, jak niektóre osoby mogą modelować rzadkie zdarzenia. Ale wielu z nas robi to we właściwy sposób, a wyniki właściwego podejścia mają pewną wartość.
Michael Chernick,
18

Przeczytałem „Czarnego łabędzia”, podobało mi się i jestem statystykiem. W ogóle nie uważałem jej „krytyki statystyki” za nie do zniesienia. Punkt po punkcie:

  1. Taleb nie wynalazł koncepcji czarnego łabędzia. To był ulubiony przykład w myśli filozoficznej od dłuższego czasu!
  2. Taleb nie tyle krytykuje „statystyki”, co pewne (złe) ich zastosowania.
  3. Książka była bestsellerem. Nie był skierowany do statystyk, ale do ogółu społeczeństwa. Sprawdziło się bardzo dobrze, ucząc publiczność o rzeczach, które statystycy znali bardzo dobrze, ale wielu innych czytelników (większość!) Nie. Mogliśmy więc wiele nauczyć się z tej książki o tym, jak „sprzedawać” statystyki.
  4. Co najważniejsze (dla mnie), Taleb zawiera wiele odniesień do starożytnej greckiej filozofii sceptycznej. Nikt inny nie wspomniał o tym tutaj, ale myślę, że włączenie było prawdziwym punktem sprzedaży tej książki!
  5. Książka jest dziełem literackim, a nie technicznym. Jeśli chcesz krytykować Taleba za jego pracę techniczną, przejdź do jego strony głównej i pobierz niektóre z jego dokumentów technicznych.

Ci, którym nie podoba się ta odpowiedź lub nie lubią książki, mogą zapoznać się z technicznymi argumentami Taleba w nowym https://fernandonogueiracosta.files.wordpress.com/2014/07/taleb-nassim-silent-risk. pdf „Ciche ryzyko”, które ma charakter techniczny.

kjetil b halvorsen
źródło
6
Duży +1 za to, że jako pierwszy (oops - drugi) respondent rzeczywiście mógł mówić o książce! (I za powiedzenie na ten temat również kilku interesujących rzeczy.)
whuber
4
co z jego reprezentacją ekonometrii i statystyki jako zależną od rozkładów Gaussa?
Peter Ellis,
2
@kjetilbhalvorsen Mówisz, że czytasz książkę. Jeśli przeczytasz go uważnie, nie możesz przegapić załącznika do zawodu statystyki. Dyplom z matematyki nic nie znaczy w odniesieniu do wiedzy o statystyce. Wielu matematyków dostało dgrees bez jednego kursu statystyki. Inni mogli mieć tylko jeden bardzo podstawowy kurs. Znam matematyków, którzy nauczali statystyki i / lub prawdopodobieństwa, a tak naprawdę nie mieli odpowiednich kwalifikacji.
Michael Chernick,
3
Michael Chernik: Może tak być, ale wciąż stoję krytykując dzieło mocnymi stronami, a nie tylko słabymi! i dzieło literackie musi być odczytywane jako takie. Taleb powinien być wdzięczny za przekształcenie Czarnych Łabędzi w koncepcję, którą wielu ludzi rozumie. To ważna koncepcja. Świadczą o tym wszyscy dziennikarze wyśmiewający Rumsfeldta za mówienie o „nieznanych niewiadomych”. Rumsfeldt używał tylko koncepcji, której nauczył się od oficerów wojskowych! Przynajmniej wiedzieli o Czarnych Łabędziach.
kjetil b halvorsen
9
„Dzieło literackie” jest tylko pretekstem do fałszywego przedstawiania rzeczywistości, jeśli to, co napisał Taleb, było powieścią. Nie wchodzenie w postępowanie techniczne jest usprawiedliwione, wprowadzanie w błąd czegoś hurtowego jest mniej ważne.
Fomite
10

Nie czytałem Czarnego Łabędzia, ale jeśli jego krytyka statystyki jest tak prosta, jak mówisz, to jest śmieszna. Oczywiście niektóre statystyki opierają się na rozkładzie normalnym, ale wiele nie.

Czy można modelować rzadkie zdarzenia? Oczywiście, że mogą. Prawdziwe pytanie brzmi, jak dobrze można je wymodelować. To pytanie będzie miało różne odpowiedzi w różnych dziedzinach, w zależności od tego, ile wiemy o rzadkich zdarzeniach i ich poprzednikach.

W dzisiejszym magazynie NY Times znajduje się ciekawy artykuł Nate Silver na temat poprawy prognozowania pogody w ciągu ostatniej dekady. Obejmuje to lepsze modelowanie rzadkich zdarzeń, takich jak huragany.

Czy książkę warto przeczytać?

Peter Flom
źródło
3
Przeczytałem książkę i stworzyłem podobne kontrargumenty, takie jak twoje i Dikrana. Taleb wydawał się bardzo naiwny. Kilka lat temu odbyła się sesja z udziałem JSM. Myślę, że to było w Waszyngtonie. Potem ukazało się drugie wydanie i jest nieco bardziej rozsądne. Taleb ma kilka ciekawych rzeczy do powiedzenia na temat konkretnych „Czarnych łabędzi” i dużo wie o ekonomii. Myślę, że warto przeczytać, a druga edycja jest lepsza.
Michael Chernick,
Jesteś administratorem strony statystyk, więc prawdopodobnie część 3 nie będzie Cię interesować. Może cię nawet drażnić. Część I i II mogą dać ci wgląd poza statystyki. Możesz spróbować przeczytać mniej więcej pierwszy rozdział, a następnie ocenić resztę książki. Jeśli chodzi o pogodę, Taleb wydaje się sugerować, że prognostycy pogody są ekspertami, którzy zwykle są ekspertami: Eksperci, którzy są ekspertami: sędziowie inwentarza żywego, astronomowie, piloci testowi, sędziowie gleby, mistrzowie szachów, fizycy, matematycy (gdy mają do czynienia z problemami matematycznymi , nie empiryczni), księgowi, inspektorzy ziarna, ph
BCLC
inspektorzy ziarna, tłumacze zdjęć, analitycy ubezpieczeniowi (zajmujący się statystykami w stylu krzywej dzwonowej). Eksperci, którzy zwykle nie są ekspertami: maklerowie giełdowi, psychologowie kliniczni, psychiatrzy, urzędnicy przyjęci na studia, sędziowie sądowi, radni, osoby selekcjonujące personel, analitycy wywiadu (historia CIA, pomimo jej kosztów, jest godna pożałowania), chyba że bierze się pod uwagę świetna dawka niewidzialnego zapobiegania. Dodałbym te wyniki z własnego badania literatury: ekonomiści, prognostycy finansowi, profesorowie finansów, politolodzy, „ekspert ds.
Ryzyka
s ”, personel Banku Rozrachunków Międzynarodowych, sierpniowi członkowie Międzynarodowego Stowarzyszenia Inżynierów Finansowych oraz osobisti doradcy finansowi. Po prostu rzeczy, które się poruszają, a zatem wymagają wiedzy, zwykle nie mają ekspertów, podczas gdy rzeczy, które się nie poruszają, wydają się mieć ekspertów. Innymi słowy, zawody, które zajmują się przyszłością i opierają swoje badania na niepowtarzalnej przeszłości, mają problem ekspercki (z wyjątkiem pogody i przedsięwzięć związanych z krótkoterminowymi procesami fizycznymi, a nie społeczno-ekonomicznymi).
BCLC,
1
TAK, książkę warto przeczytać!
kjetil b halvorsen
8

Nie przeczytałem też tej książki, ale nie ma mowy, żeby jego argument był tak uproszczony, jak stwierdzenie, że istnieją rozkłady o grubszych ogonach niż rozkład normalny. Byłby to komentarz do innych odpowiedzi, ale nie zgromadziłem wystarczającej liczby wyróżnień na tej stronie.

Z Wikipedii:

„Twierdzi, że statystyki są zasadniczo niekompletne jako dziedzina, ponieważ nie są w stanie przewidzieć ryzyka rzadkich zdarzeń ...”

To pytanie jest również dość podobne do tego, jakie jest stanowisko społeczności w czwartym kwadrancie?

wersja robocza
źródło
2
Nie wiedziałem o poście w „Fourth Quadrant”. Tam John Cook wskazuje na JSM, w którym przemawiał Taleb, i podaje link do swoich komentarzy na blogu na temat rozmowy. Ten post jest oczywiście duplikatem mojego, ale dyskusja jest krótka. Więc myślę, że warto kontynuować ten.
Michael Chernick
2
Nie sądzę, że to prawda, że ​​statystyki nie są w stanie przewidzieć ryzyka rzadkich zdarzeń. Jest to trudne, ponieważ na ogół nie ma zbyt wielu informacji przydatnych w tym zadaniu w danych w taki sam sposób, jak w przypadku szacowania tendencji centralnej. Więc nie jest to tak duży problem ze statystykami, jak z danymi.
Dikran Torbacz
2
@dikran: Zgadzam się z tobą i myślę, że jego książki to książki trolli. Ale nadal przegrałbym strasznie w debacie przeciwko niemu, tak samo jak przegrałbym z doświadczonym debatującym nad inteligentnym projektem.
projekt
1
@ projekt tak, istnieje dobry powód, dla którego idee naukowe nie są już rozstrzygane w debacie publicznej!
Dikran Marsupial
4
W książce jest coś więcej niż tylko kwestia statystyk - jego argumenty na temat „nieznanych niewiadomych” (tak zwanych czarnych łabędzi) i „ludycznego błędu” (traktującego świat tak, jakby to była gra w kości z prawdopodobieństwem knwon), są w dużej mierze niezależny od jego błędnej krytyki statystyki jako zależnej od normalnych rozkładów. Możesz upuścić wszystkie rozdziały dotyczące statystyki i znacznie ulepszyć książkę.
Peter Ellis,
5

Nie sądzę, żeby Taleb powiedział, że techniki statystyczne oparte na rozkładzie Gaussa nie są przydatne. W książce stwierdził, że są one bardzo przydatne w wielu (ale nie wszystkich) procesach fizycznych i biologicznych oraz modelowaniu. Robi dobre i złe strony (Czarny Łabędź i Powiązane były początkiem plagi „wszystko jest prawem władzy!”, Która wciąż nas prześladuje), ale ważne jest, aby pamiętać, że książka jest zbiorem literackim i filozoficznym eseje przeznaczone dla osób świeckich.

To powiedziawszy, myślę, że Taleb lubi denerwować ludzi. Widać to w jego walce z Myronem Scholesem. W tym przypadku może być przydatna jako edukacja statystyczna na poziomie licencjackim, a czasami na poziomie magisterskim, jakby waha się nad założeniem rozkładów Gaussa. Wyobrażam sobie, że podczas swoich lat finansów natknął się na wiele kwantów z doskonałą znajomością Blacka-Scholesa i innych technik, ale którzy nie brali pod uwagę podstawowych założeń, takich jak rozkład. Podejrzewam, że Taleb naciskał na placówkę oświatową za brak odpowiedniej edukacji.

Fraijo
źródło
1
+1 za interesujące komentarze. Ale nie zgadzam się z jego poglądem na normalny rozkład. Wydaje mu się, że statystycy używają go tam, gdzie nie ma to zastosowania, i bardzo błędnie określa takie statystyki. Teraz może wiedzieć lepiej. Tak, wyraźnie ma styl pisania, który ma prowokować i drażnić ludzi.
Michael Chernick,
1
Nie mam ze sobą tej książki, więc pochodzi z pamięci. Z pewnością część jego gniewu pochodzi z złych doświadczeń z ludźmi. Mówi, że w pewnym momencie „ktoś” (będzie redagować, kiedy dostanę książkę i będę mógł znaleźć nazwiska) krzyknął na niego: „Jestem członkiem krajowej akademii nauk”! To nie jest dokładnie argument, a „ktoś” musiał się z niego wyśmiewać za używanie go jako takiego.
kjetil b halvorsen
2
Możliwe, że włożyłem nieświadomy pozytyw do tego, co czytałem, ale wyraźnie wspominam NTT, podając kilka przykładów, w których rozkład Gaussa miał sens, takich jak jego filiżanka kawy. Oddałem książkę, więc nie mogę wrócić i ponownie tego ocenić. Popularne pisanie Taleba jest znacznie bardziej polemiczne niż jego profesjonalne pisanie, przynajmniej to, co o nim czytałem.
Fraijo,
2
Nie sądzę, abyśmy argumentowali, że Taleb uważa, że ​​normalny rozkład nigdy nie ma sensu. Po prostu w przypadku przykładów, które uważa za ważne, uważa, że ​​niewłaściwe jest jego użycie. Ma rację, ale myli się, sądząc, że większość statystyk używa go w takich sytuacjach.
Michael Chernick,
1
Interesujące jest nie tylko to, ilu komentatorów nie przeczytało książki (ja, na przykład, przejrzałem ją i to było mnóstwo), ale ilu ją przeczytało, po prostu nie uważałem za stosowne, aby mieć ją pod ręką. „Dałem to”; „Zostawiłem to na strychu”; itp.
rolando2,
2

Ci z was, którzy nie czytali książki, są daleko od bazy. Dokonuje DUŻEGO rozróżnienia między skalowalnym a nieskalowalnym. W przypadku kwestii nieskalowanych tradycyjne statystyki będą wystarczające. W ogóle tego nie krytykuje. Czarne łabędzie pochodzą ze skalowalnych i są trudne do przewidzenia na podstawie danych empirycznych z przeszłości. Książka opowiada o tym, jak te wydarzenia mogą mieć ogromny wpływ i na ogół wyjaśniono je dopiero po fakcie. Epistemologia jest doskonała.

Tina-Desiree Berg
źródło
-2

Bez czytania książki uważam, że dzwony gaussowskie zawodzą, ponieważ nigdy nie podały jasnej definicji „gęstości prawdopodobieństwa”; poza tym nigdy nie dają pełnego zestawu punktów krzywych Lorenza, które zawierają jednocześnie sumę zmiennej rozproszonej i sumę populacji, które postrzegają tę pierwszą. Jeżeli stosuje się „gęstość”, należy wyjaśnić, w odniesieniu do jakiej zmiennej; na przykład, jeśli mówisz o kilogramach na litr, odnosi się to do gęstości masy związanej z objętością. Ten krok nie jest podany w teorii Gaussa w podręcznikach. Nic dziwnego, że młodzi ludzie nie rozumieją poprawnie statystyk.

Emilio José Chave
źródło