《未知地形中的贝叶斯搜索、秘书问题与吉廷斯指数》各章定量结论
先看过约 37% 的人而不录用、之后录用第一个比之前所有人都好的人,选中最佳者的概率约为 37%——这条「37% 法则」流传很广,但它成立的条件相当苛刻。本书用统计决策论考察三类相关的问题:什么时候停止观察并行动(停时),往哪里找(贝叶斯搜索),以及为了信息愿意付出多少眼前的代价(探索—利用权衡)。依次讨论:秘书问题在有限 n 时的精确最优阈值与成功概率(n = 10 时跳过 3 人、成功概率 0.399,n = 100 时 0.371,极限 1/e;最优点附近很平坦,n = 40 时有 37.5% 的情形空手而归),弗格森 1989 年的考证(加德纳的原始游戏是两人博弈,开普勒的故事违反「不能回头」);完全信息版本(约 0.58)、最小期望名次(极限约 3.8695,而 37% 规则在 n = 100 时为 19.6)、录用可能被拒绝、可以回头与人数未知(最佳阈值约 13.5%,成功概率约 0.27)等变体,以及实验中人们停得太早与在可学习的重复游戏中迅速接近最优;库普曼的搜索论、贝叶斯更新与「后验概率 × 发现概率」的贪婪规则,「天蝎号」与法航 447 的残骸搜寻(后者的关键在于重新检查信标是否工作的假设,联合模型在示意网格中对两种真相都稳健),以及觅食生态学中查诺夫的边际价值定理(路程越远停留越久,离开时斑块并未吃空)与列维飞行觅食假说之争(μ = 2 只在目标稀疏、可重复…
DOI 10.5281/zenodo.23810102 · 阅读本章所在专著 · English version
- 第 1 章 · 秘书问题与 1/e:只看名次、不能回头时何时停下
在人数已知、随机顺序、只看相对名次、不能回头、只有第一名算成功的条件下,最优规则是阈值规则:先跳过约 $n/e$ 人,之后录用第一个相对最佳者,成功概率趋于 $1/e \approx 0.368$;有限 $n$ 时最优跳过比例与成功概率略有不同,可以精确计算,最优点附近成功概率很平坦。约 63% 的时候规则没有选中第一名,$n = 40$ 时有 37.5% 的情形空手而归。弗格森的考证说明,加德纳最初的游戏是一个两人博弈,至今的标准解… - 第 2 章 · 秘书问题的变体与人的停止行为
看得到分数并知道分布时,最优阈值随剩余人数变化,成功概率约为 0.58;以期望名次为目标时,最优规则的期望名次只有约 3.87,而 37% 规则下 $n = 100$ 的期望名次约为 19.6。录用可能被拒绝时应当更早出手,可以回头时应当更晚出手;人数未知时,最佳单一阈值只跳过约 13.5%,成功概率约 0.27。实验中人们在只给名次的任务里倾向于停得太早,而在可以学习分布的重复游戏中很快接近最优。下一章从「何时停」转向「往哪里找」。 - 第 3 章 · 贝叶斯搜索:往哪里找,没找到又说明了什么
搜索论把「往哪里找」写成先验、发现函数与贝叶斯更新三个要素;下一次搜索的贪婪规则是选后验概率与发现概率乘积最大的地方。没有发现也是信息,它把概率从容易搜的地方推向难搜的地方。在示意的网格中,按乘积搜索比只看概率或由近及远扫过更快。「天蝎号」与法航 447 的经验说明,好的先验与诚实的发现概率是关键;法航 447 一例尤其说明,对过去搜索效果的假设本身需要放进模型里更新。觅食生态学的边际价值定理把「何时离开一个斑块」写成边际收获率降到平… - 第 4 章 · 多臂老虎机:吉廷斯指数、汤普森抽样与后悔下界
吉廷斯指数把多臂老虎机问题拆成单臂问题:每台机器的指数等于让人在「继续」与「拿固定收益退休」之间无差别的那个收益;指数高于后验均值,高出的探索奖励随了解增多而减小、随看重未来而增大。指数策略的最优性要求独立的臂、未被选的臂状态不变、固定折扣、无限期限、没有切换成本。在折扣因子 0.9 的示例中,贪婪策略只比吉廷斯策略少约 0.3%,而汤普森抽样与 UCB1 探索得太多。莱—罗宾斯下界是渐近结论;汤普森抽样在有限 $T$ 下的后悔可以低… - 第 5 章 · 沉没成本:理性的坚持、谬误的坚持与预设的止损边界
沉没成本效应在假想情境中稳健存在,元分析的合并效应量约为 0.5,但有真实激励的实验室实验中效应小而不稳定(项目推进类决策的调查与现场研究中效应反而较大),而且常与「接近完成」与个人责任混在一起。规范模型中,已经花掉的钱不进入决策,已经积累的证据与剩余的信息价值才进入决策;所以早期在盈亏平衡点以下继续可以是理性的。在示意参数下,短视的过早放弃损失约 29%,最优规则加上「做满 10 次不再放弃」的沉没成本倾向损失约 6%。沃尔德的序贯… - 第 6 章 · 应用:赛道测试与人才筛选
赛道测试中,「边学边赚」与「先学后赚」是两个不同的目标:汤普森抽样在测试期间得到最多的转化,前二汤普森抽样把更多试验留给挑战者以提高选对的概率,逐轮淘汰是一种不需要概率计算的提前停止;在示意的参数下,选对概率的差别在模拟误差之内,转化数的差别更清楚。真实应用中需要注意结果延迟、指标选择与赢家的诅咒。人才筛选中,报酬是实际水平时最好的阈值约为 $\sqrt{n}$,40 人时只需跳过 5 人;看得到水平、知道分布并且面试有成本时,最优规… - 第 8 章 · 实践与预注册试验
样本量按以下假设计算:最小关注效应为 4 个百分点(0.04);每名参与者比例的标准差取 0.12(20 局的二项抽样误差约为 0.107,加上个人之间的差异;模型中的标准差为 0.107 到 0.120),双侧 $\alpha = 0.05$,把握度 90%。每组需要 190 名可分析的参与者;考虑约 15% 的人因未完成或注意力检查失败被排除,每组招募 224 名,共 448 名。标准差为 0.10 或 0.14 时,每组分别需要…
模型示意算例,非实时报价