What Is the Role of Probability in Economics?
经济学家认为概率是经济分析的核心，但是，正如路德维希·冯·米塞斯所写，经济行为涉及独特且有目的的事件，而不是随机事件。
Why it’s easy to be misunderstood when talking about probability
数学家依赖于数字，但寻找词语来解释不同程度的确定性却困扰着从古希腊人到最著名的现代哲学家的每个人。数学专栏作家雅各布·阿伦讲述了中央情报局分析师如何最终破解它的故事
Probabilistic Multi-Variant Reasoning: Turning Fluent LLM Answers Into Weighted Options
人类引导的 AI 协作概率多变量推理：将流畅的 LLM 答案转化为加权选项一文首先出现在《走向数据科学》上。
Keeping Probabilities Honest: The Jacobian Adjustment
正确转换随机变量的直观解释。保持概率诚实：雅可比调整首先出现在走向数据科学上。
Probability Concepts You’ll Actually Use in Data Science
我们如何利用不确定性进行推理并根据数据做出更明智的决策？本文解释了数据科学中的关键概率思想。
Why universities struggle to act on early warning data
即使您拥有出色的学习者分析系统，您的大学是否已准备好根据早期概率信息采取行动？卡门·迈尔斯解释
Launching LEGO Education's Hands-On AI and CS Product with Dr. Andrew Sliwinski
在本期教育趋势中，Mike Palmer 在主要产品发布当天欢迎乐高教育产品体验全球主管 Andrew Sliwinski。他们共同探索了体力游戏和人工智能的交叉点，揭示了乐高如何为下一代重新定义人工智能素养。Andrew 分享了他从在底特律做家教到在麻省理工学院指导 Scratch 并在 Raspberry Pi 基金会董事会任职的曲折职业道路。对话深入探讨了乐高教育的新计算机科学和人工智能课程，这是一个专为幼儿园至八年级学生设计的实践性、隐私至上的平台。 🧱他们讨论超越基于屏幕的学习，转向协作式物理体验，例如构建一只跳舞的机器人猫头鹰来理解机器学习。安德鲁解释了为什么我们应该停止教孩子们用
Misinterpretation of p-values and statistical uncertainty
众所周知，即使是经验丰富的科学家也会经常以各种方式误解 p 值，包括混淆统计意义和实际意义、将不拒绝视为接受原假设，以及将 p 值解释为某种复制概率或原假设为真的后验概率……它是 […]
Stop Blaming the Data: A Better Way to Handle Covariance Shift
不要使用偏移作为性能不佳的借口，而是使用逆概率加权来估计模型在新环境中的表现。停止指责数据：处理协方差偏移的更好方法首先出现在走向数据科学上。
2026年も「年前半に分散投資」が奏功か～2026年の株価見通しと投資戦略～
■总结 2026年股市，虽然金融市场波动性仍将较高，但股价上涨趋势有望维持。日经平均指数在2025年达到了5万日元的水平，但由于预计2026年企业业绩将出现两位数的改善，目前的股价水平不能称为泡沫，PER（市盈率）总体处于合理水平。一个指导方针是，2026年底日经平均指数约为53,000日元。投资环境方面，虽然特朗普关税的影响有所减弱，以美国为中心的经济实力是推高股价的因素，但人工智能投资过多、美国通胀回升、地缘政治风险等不稳定因素依然存在。因此，尽管股价在上涨，但预计一路上会出现调整和突然波动。投资策略上，根据以往数据以及2025年的验证结果，认为1月份一次性投资从概率上看是有利的。不过，考
要点与总结 – 2015 年北约演习中，法国核攻击潜艇“蓝宝石”突破了美国航母打击群，并模拟鱼雷“击杀”了西奥多·罗斯福号航空母舰。 -该事件不是战斗，但它强调了一个持久的现实：反潜战是概率性的，而不是绝对性的。 -即使是一艘防御严密的航母——有护卫舰、直升机进行掩护，[…]“这是一场恐怖秀”的帖子：十年前法国核攻击潜艇“沉没”尼米兹级航空母舰首次出现在 19FortyFive 上。
December 19 - Bayesian economics and statistics
贝叶斯统计已成为经济学中影响力越来越大的框架，为主导二十世纪大部分时间的频率论方法提供了替代方案。贝叶斯方法的核心是围绕概率的概念构建的，概率是一种信念程度，而不是长期频率。贝叶斯方法植根于托马斯·贝叶斯 (Thomas Bayes) 的 18 世纪著作，并由皮埃尔·西蒙·拉普拉斯 (Pierre-Simon Laplace) 形式化，利用贝叶斯定理根据新证据更新先前的信念。这个简单但强大的原则——后验信念等于数据更新的先验信念——对于经济学家如何建模不确定性、解释证据和做出决策具有深远的影响。
The Communication Complexity of Distributed Estimation
我们研究标准两方通信模型的扩展，其中 Alice 和 Bob 分别在 XXX 和 YYY 域上持有概率分布 ppp 和 qqq。他们的目标是估计 Ex∼p,y∼q[f(x,y)]\mathbb{E}_{x \sim p, y \sim q}[f(x, y)]Ex∼p,y∼q[f(x,y)] 到双方已知的有界函数 fff 的加性误差 ε\varepsilonε 内。我们将此称为分布式估计问题。这个问题的特殊情况出现在各个领域，包括草图、数据库和学习。我们的目标是了解所需的沟通如何与......
The Machine Learning “Advent Calendar” Day 14: Softmax Regression in Excel
Softmax 回归只是扩展到多个类别的 Logistic 回归。通过计算每个类别的一个线性分数并使用 Softmax 对其进行归一化，我们在不改变核心逻辑的情况下获得多类别概率。损失、梯度和优化保持不变。只是并行分数的数量增加。在 Excel 中实现，模型变得透明：您可以看到分数、概率以及系数如何随时间变化。机器学习“降临日历”日帖子14：Excel 中的 Softmax 回归首先出现在《Towards Data Science》上。
