當期望值無法量化時的評斷方法

[saltlake (SaltLake)]

   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
→ yhliu       : 總要量化吧? M用模糊數 or 主觀機率; P 用 Bayes 法
→ yhliu       : 所謂 Bayes法, 指對可能的機率值給予一個 prior.
  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?

→ wohtp       : 不能量化你要怎麼把「數」學套上去?
  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
→ yhliu       : 你已說不能量化了...如果能定序數,那也算能初步量化
→ yhliu       : 了. 我建議的模胡數或主觀機率斗評估, 是考慮更難
→ yhliu       : 量化的情形. 至於Bayes方法, 例如一個單一事件機率
→ yhliu       : 難以評定, 可考慮各種機率值的可能性, 例如有50%可
→ yhliu       : 能是0.4, 有30%可能是0.3, 有20%可能是0.5。
→ yhliu       : 你要的是 "期望值", 這是"量"的數學, 如何能扯上圖
→ yhliu       : 論和拓樸的方法?
→ doom8199    : 量化一個"你不知如何量化"的事件沒意義 XD
→ doom8199    : 例如量化 "給定前因，結果殺人是對的還是錯的"
→ doom8199    : 光不同世界觀就可能有不同認定標準
→ doom8199    : 所以若沒事先賦予數值意義/性值
→ doom8199    : 就算期望值可算，也只是得到沒意義的數字
推 wohtp       : 拓撲也是量化的學問，就整天在找拓撲不變量啊
→ wohtp       : 還是原po你覺得扳手指算平面上有幾個洞、繩子繞了轉
→ wohtp       : 軸幾圈這樣太low了不是量化？
→ wohtp       : 而邏輯不就是零和一？
推 APM99       : 自己弄個方法想個很厲害的名詞就行了