Правда про правду Небажана наука для науки
"Чим гірша наша логіка, тим цікавіші наслідки, до яких вона породжує". Б. Рассел
сторінки
П’ятниця, 29 січня 2016 року
Небажана наука для науки
Явище Небажана наука завжди захоплююче! Під цим я маю на увазі твір або цілу теорію, яка намагається скласти враження науковості і яка, дивлячись здалеку, часто досягає успіху. Однак при детальному розгляді ці роботи виявляються надзвичайно сплющеними на основі довільно вибраних даних чи думок та логічно неповним сміттям. Небажана наука намагається наслідувати науку, не наповнюючись змістом, і часто підтверджує світогляд, прийнятний для її автора. У блозі на тему "Походження життя" був приклад книжки з картинками, але Небажана наука багато і всюди. У галузі фізики є "вільна енергія" або альтернативи теорії відносності, фармація має лояльний і смітний прищик на задній панелі з гомеопатією і філософія може з нетерпінням чекати "об'єктивізму" по-Ейн Ренд. Небажана наука незручно в кращому випадку, в гіршому - небезпечно. Але це хтось Небажана наука я міг би використовувати його для популяризації наукового мислення в громадських місцях, я ніколи б не придумав цієї ідеї до сьогодні!
Але сьогодні я знайшов статтю "Формула теорії змови" на SpOn. Йдеться про математичну модель, за допомогою якої можна робити прогнози щодо ймовірності, з якою теорія змови буде розголошена одним із ініційованих протягом певного періоду часу. Суть: недовго. З цього випливає, що загальноприйняті теорії змови, такі як місячна змова, змова на вакцинацію, придушений препарат проти раку та брехня про зміну клімату, не можуть бути істинними - тому що вони повинні були давно зрадити.
З цікавості я якось подивився на всю рецензовану оригінальну роботу під назвою "Про життєздатність конспіративних переконань". Автор цієї праці насправді стверджує, що робить внесок проти антинаукового мислення! І коли ти читаєш статтю, все, що ти можеш зробити, це плескати руками по голові в обличчя цього псевдонаукового мотлоху! Насправді все, що стосується цієї роботи, є ідіотським та/або неправильним. Почнемо з припущень.
Робота виходить з певної кількості змовників. Як тільки один із цих посвячених оприлюднює свою інформацію, змова вважається викритою. Одне лише це вкрай нереальне припущення. Коли Густл Моллат повідомляв про угоди про чорні гроші Hyopvereinsbank, це питання не вважалося роз'ясненим, але він на деякий час опинився в психіатрії. А як щодо уточнення комплексу НСУ, оскільки багато хто вже говорив про ряд тривожних речей? Але продовжуйте.
Далі представлена робота передбачає, що ймовірність того, що хтось із посвячених розкриє змову, може бути змодельована за допомогою розподілу Пуассона. Цей розподіл описує ймовірність виникнення певної кількості дискретних подій протягом певного інтервалу часу. Тут інтервал часу становить один рік, а подія - "Людина розкриває змову". Для того щоб процес був представлений розподілом Пуассона, має бути виконана низка вимог. Тут особливий інтерес представляють два.
По-перше, події повинні самостійно бути одне від одного, тобто настання або ненастання події не впливає на те, відбудеться подальша подія чи ні. Прикладом цього може бути пошкодження ДНК від радіоактивного випромінювання. Для створення пошкодження однієї точки ДНК не має значення, чи вже була пошкоджена інша точка. Якщо мова йде про теорії змови, це припущення явно не відповідає дійсності. Для ініційованої людини велике значення має те, чи хтось інший вже розкрив змову чи ні. У багатьох відношеннях. Це може спонукати когось робити подальші заяви. Це може спонукати когось розкрити більше подробиць або навіть якусь іншу змову. І якщо когось на кшталт Челсі Меннінга викинуть у бетонну діру на все життя після виступу, це саме тому, що ви знаєте, що ймовірність подальших розкриттів Ні не залежить від інших одкровень та їх покарання.
По-друге, розподіл Пуассона передбачає, що середня швидкість, з якою відбуваються події, є постійною. Він повинен бути однаковим у кожному інтервалі часу. У випадку пошкодження ДНК це означає, що інтенсивність радіоактивного випромінювання не повинна змінюватися. І коли мова заходить про готовність викрити змову, ця сама готовність істотно зміниться з часом. Тому що це буде залежати від багатьох факторів: чи продовжуватимуться наслідки моєї змови чи вона вже була укладена? Я все ще виграю від цього чи ні? Чи повинен я рахуватися з наслідками, коли це буде розкрито, чи справа тим чи іншим чином застаріла? Моя смерть наближається, і мені більше нічого втрачати, то, можливо, я хочу полегшити своє сумління? Або мої співавтори вже мертві? Багато тут може зіграти свою роль, але ймовірність того, що посвячений розкриє змову, безумовно, не є постійною.
При цьому дві основні вимоги до застосування розподілу Пуассона вже не виконуються, і вся робота втрачає своє основне обґрунтування. Автор обґрунтовує припущення про розподіл Пуассона одним реченням:
"Припущення про статистику Пуассона, що використовується в цій роботі, виправдане для дискретних подій, від автомобілів, що приїжджають на світлофор, до пошкодження ДНК, спричиненого радіацією, і повинно триматися для викриття змовних подій".
Вау. А може, ні.
Але нісенітниця триває. Набагато далі.
Це рівняння (1) у згаданій роботі. Я пишу все це настільки докладно, тому що воно мало стати важливим.
Параметр розподілу Пуассона випливає з Інсайдери, кожен з яких є ймовірним стор повинен зраджувати змову протягом одного року
Помилка полягає в тому, що якщо параметр розподілу змінюється з часом, для імовірності відповідає час т не може просто взяти t разів цей параметр. Потрібно явно скласти внески окремих інтервалів. Тому слід читати:
Пунктирні криві - з оригінальної роботи, суцільні - виправлені. Кількість довірених осіб вважалася постійною для блакитної кривої, тому відмінностей немає. У випадках із співучасниками смерті вірогідність виявлення стабілізується в певний момент. Якщо через 50 років його не зрадив той, хто це знав, то через 60 років його вже не зрадять, бо всі, хто це знав, уже мертві. «Імовірність провалу» змови вже не змінюється.
Усі результати роботи, в яких кількість посвячених не вважається постійною, також помилкові за цим показником.
"стор Також включає шанси на випадкове внутрішнє опромінення "
більше не грають ролі.
Ні, ця стаття про змову надзвичайно погана! Він сповнений непридатних припущень, безглуздих, оскільки цілком довільні оцінки та прості помилки обчислення. Але він приходить до бажаного і обгрунтованого результату, згідно з яким теорії змови з багатьма довіреними особами повинні були бути швидко викриті, а тому не можуть бути правильними. Ця стаття Небажана наука Оскільки спроба боротися зі скептицизмом до вакцин та місячною змовою за допомогою такої сумнівної статті має такий самий ефект, як винайдений мертвий біженець з Лагесо: люди, які завжди були впевнені, що наука - це лише історія брехні для маніпулювання громадськістю, нечесні, які не мають відношення і стосуються лише власної вигоди, тепер у них є рецензована публікація, на яку вони можуть справедливо посилатися як на підтвердження своєї думки. Дуже дякую!
Додаток (7.3.):
Автор обговорюваного дослідження опублікував виправлення, в якому принаймні усуває помилки підрахунку.
Для кращого розуміння ще одне зауваження: чому кумулятивні ймовірності завжди повинні монотонно зростати і чому це також має бути так, коли ті, хто про це знає, вимирають.
Давайте спершу візьмемо справу, яка не має нічого спільного з роботою містера Граймса, обговореної тут. Однак принцип застосовується скрізь, і в цьому дещо зрозумілішому випадку розуміння може бути простішим.
Візьмемо випадок нормального розподілу Гауса. Цей розподіл має загальновідому форму "кривої дзвона" і визначає ймовірність отримання певного значення. Ось крива дзвона та її кумулятивна ймовірність (або, точніше, вона називається "кумулятивна функція розподілу"):
Припустимо тепер випадок постійної кількості змовників. Тоді ймовірність того, що принаймні одна людина заговорить протягом року, однакова для всіх років. Тепер, якщо ви хочете обчислити ймовірність того, що принаймні одна людина розмовляла через певну кількість років, ви повинні розглядати кожен рік як окремий випадковий експеримент, а потім правильно поєднувати (однакові) ймовірності пліток для кожного окремого року до загальної ймовірності через х років . Ця крива загальних ймовірностей через х років разом є саме кумулятивною ймовірністю. Поєднання постійних річних ймовірностей із сукупною ймовірністю було саме для Граймса в його роботі. Ось приклад розрахунку того, як це може виглядати:
Колись я не робив суцільної лінії, а балу для кожного року, щоб було зрозуміліше, що це низка окремих інтервалів. Тут передбачається, що середній довгостроковий показник людей, що говорять на рік, становить 0,1. Імовірність на рік, оскільки тут не повинно вмирати жодна людина, завжди однакова (сині крапки для 1-го року, 2-го року). Кумулятивна крива збільшується з часом і наближається до значення 1 протягом багатьох років (червоні крапки для через рік, через два роки, ...).
Тепер ми знову робимо той самий розрахунок, але нехай середній показник зменшується з року в рік. Тоді це виглядає так, наприклад:
Тепер те, що відбувається, те саме, що обговорювалося раніше для нормального розподілу. Якщо ймовірність продовжує зменшуватися з кожним роком, то внесок кожного наступного року в кумулятивну криву стає все меншим і меншим. Однак він знову не зменшується, але коли ймовірність зменшується до нуля на рік, кумулятивна крива залишається постійною. Принаймні, якщо ви правильно поєднаєте ймовірності на рік, щоб сформувати сукупну ймовірність. Але саме цього не зробив Граймс. І помилка в поєднанні призвела до того, що її кумулятивна ймовірність знову впала. І це зниження є неможливим (для цього знадобляться негативні ймовірності на рік, а негативні ймовірності не існують). Тому він і кожен експерт повинні були одразу помітити, що десь була серйозна помилка.
Нарешті, наочний приклад: якщо я купую квитки, тоді сукупна ймовірність - це ймовірність, з якою я і буду Квитки отримують виграш, і це зумовлюється індивідуальною ймовірністю квитка та кількістю квитків. Чим більше квитків я купую, тим більшими мають бути мої шанси на перемогу. Тож кумулятивна ймовірність може лише зростати - більше квитків, більше шансів на перемогу. Якби він знизився, це означало б, що, купуючи додаткові квитки, я взагалі зменшую свої шанси отримати прибуток! Очевидно безглузда ситуація.