详细内容或原文请订阅后点击阅览
不确定性，学习和理性期望
持续关注的问题是，过度关注正式的建模和统计数据可能导致忽视实践问题，并在形式上的结果中过度自信...分析解释取决于关于如何将现实映射到模型的上下文判断，以及如何将形式分析结果映射到现实中。 […]
来源:Lars P Syll持续关注的问题是，过度关注正式的建模和统计数据可能会导致对实际问题的忽视，并在形式结果中过度自信……分析解释取决于上下文判断如何将现实映射到模型中，以及如何将形式分析结果映射到现实中。但是，只有在大量劳动推理推理时，才能期望正式产出过度自信。首先，有必要认为劳动是合理的，而这样做的一种方法是相信正式的扣除会产生重要的结论。其次，似乎人类对不确定性存在普遍的厌恶，减少不确定性感觉的一种方法是将信心投入推论，作为充分的真理指南。不幸的是，这种信仰在逻辑上像任何宗教信条一样不合理，因为仅当其对现实世界的假设的假设是确定的……不幸的是，假设不确定性降低了推论和统计计算的状态，从而在假设推理中进行了推论和统计计算的状态 - 他们可以从特定的问题中推断出最佳的问题（他们才能确定这些问题（这些问题）（他们才能提出了特定问题），这是因为这些问题的特定问题，而不是为了提出特定的问题，而不是为了确定的问题，而这些问题是为了确定的。然而，更不幸的是，这种练习在忽略或歪曲的可用信息的程度上具有欺骗性，并且使隐藏的假设不受数据的支持……尽管假设不确定性，但建模者通常只表达其建模假设中的不确定性，有时是灾难性的后果。计量经济学提供了戏剧性的警告示例，其中复杂的建模在重要应用中惨败了……应该花费大量时间来解释实际假设的统计模型和算法的全部细节，强调其输出相对于完整（和因此未识别的）因果模型的极为假设的性质，用于数据生效机构。教学