《解释深度错觉破除、认知边界校准与真知假知剥离剃刀母典》各章定量结论
商业圈有两句流行说法:最致命的是「我以为我知道」,只要逼自己写出机制,假知就会现形;以及「越无知越自信」。本书把第一句改写成可被数据推翻的命题,并把第二句从决策工具箱里拿掉。核对原文后,本书做了四处蓝图修正:解释深度错觉在装置与自然现象的因果机制上最强,在事实、程序、叙事类知识上弱或不显著,所以剃刀只用于机制类判断,事实类判断改用检索核对;写出机制会稳健降低自评理解度,可对态度的作用在预注册复现中没有重现,本书只把「改变决策」写成小效应并写明推翻条件;达克效应那张四分位图可由噪声加「略高于平均」生成,本书改用校准曲线与可靠度表;「致命」「剥离」换成损失区间。书中参数为示意,数据全部合成,全部计算由书中程序生成。本书是决策自检工具书,属于非个人化经营建议,不评判任何人的智力,不保证任何决策正确,也不承诺任何收益。
DOI 待发布 · 专著页正式发布后上线(本站暂无专著页) · 5DL-B-396 · English version
- 第 1 章 · 解释深度错觉的边界:机制类最强,事实类最弱
第一章在合成数据里量出装置类自评下降 1.283 分,事实类下降区间从 -0.263 到 0.063,跨过零,并给出剃刀与检索的分流规则。 - 第 2 章 · 看校准,不看自信:Brier 分数、Murphy 分解与达克效应图的统计伪迹
第二章讲 Brier 分数与墨菲三分解、九成区间的真实命中率(区间只有应有宽度一半时命中率 0.589),以及四分位图的统计伪迹。 - 第 3 章 · 四步剃刀:因果链条、数值量级、失效边界与反例
四步剃刀给每条判断打四个分:链条、量级、边界、反例,加权后 0.60 及格。合成数据里,确信度最高的两条判断恰好都不及格。费米拆分只在因子误差小且互不相关时有用,否则可能比直觉更差。链条越长,结论越弱,验证应当先挑最弱的环。 - 第 4 章 · 假设清单评分与信息价值:先验证哪一条
再看信息价值。先验为 0.400 时,当下不上线,EVPI 是 24.00,试投的 EVSI 是 8.40,约为完全信息价值的 0.350。先验升到 0.550,EVSI 升到 19.05。恰好在打平点 0.625,EVSI 达到最大的 24.38,占完全信息价值的 0.650。过了打平点,当下已经会上线,EVSI 开始下降:先验 0.700 时是 17.70,0.800 时是 8.80,0.900 时降到 0.00。 - 第 5 章 · 反向理由、事前验尸与后见之明的封存
写一条反对理由,可以缩小过度自信;可它能改善的只是 Brier 分数里很薄的一层,在本章示意模型里,最多 0.00931。事前验尸让失败原因的覆盖率随人数饱和,五到七人足够,关键在于写的人背景不同。结果揭晓后哪怕只改写一成原始确信度,账面就会出现远大于真实改善的假进步,台账必须封存。 - 第 6 章 · 把「致命」与「剥离」换成区间:决策损失带、小效应与推翻条件
第六章在宽示意参数下抽样,剃刀与检索分流的净损失减少中位 22.7 %,五分位 8.2 %,九十五分位 41.2 %;全用剃刀中位只有 5.1 %。 - 第 7 章 · 原典考辨:《荀子·解蔽》、《老子》第七十一章与笛卡尔的四条规则
整体复购率是 0.3250。只读老客的人,样本 20 时误差 0.2494;样本增到 1,280,误差只降到 0.2244,几乎不动。分层抽样的人,样本 20 时误差 0.0984,到 1,280 降到 0.0124。最后一行给出一隅读者的偏差下限:0.2250,正是老客复购率与整体复购率之差。 - 第 8 章 · 实战工具与检查器规格:假知剥离台账、四步剃刀评分器与预注册检验
第八章给出实战工具与检查器规格:假知剥离台账、蒸馏小工具「四步剃刀与决策前假设清单评分器」、按四件套分组的检查器、预注册检验与推翻条件;检验自评下降需 88 名评分者,检验 Brier 小幅改善每组需 1,047 人。书中以标注框区分已发表的证据、可运行的 Python 计算(22 段程序)、原典与作者的假说。
模型示意算例,非实时报价