在昨天的读书会上我分享了我是如何当上leader以及当上leader之后的体会。然后今天Sophie总结了我的发言，大家对此有些反馈。我根据大家的反馈写了这篇文章，主要针对几点：
- 大家如何当上leader？
- 关于那六千多个bug的系统。
- 关于其他人也来抢leader这个position.
在我简单描述提前一年布局当上leader的经过之后。可能大家会觉得我so lucky, 没有什么借鉴意义.
所以我在这里剥离出运气的成分, 用科学(数学)的角度来进行剖析, 希望对大家会有帮助.
数学中有一门学科叫概率论与数理统计, 里面有个贝叶斯概率(理论方法).
贝叶斯概率承认运气的存在, 认为这个世界上没有100%的概率，所有人想要做成事，都需要一点点运气。
贝叶斯概率在承认运气的前提下, 通过科学的方法(数学)让你成功的概率能够接近100%。
贝叶斯(概率论与数理统计)是一门数学，我的运气大家不能复制，但是数学却是可以给大家复制的，毕竟数学最大的特点就是在我这里1+2=3，到了你那里1+2依旧是会等于3, 无论哪个国家哪个语言哪种性别, 数学都是通用和可复制的。
所以我认为它能够帮助到大家当上leader. 在后面我会介绍相关的一本书和一篇文章给大家.
第二点就是关于那六千多个bug还能得到客户认可的系统.
有些人会想, 几百个bug的系统都得不到客户的认可, 那六千多个bug的系统是如何得到客户认可的呢?
首先, 根据贝叶斯概率, 0 bug系统是不存在的, 系统只能够无限的接近0 bug, 但是永远不可能达到0 bug.
其次, 几千上万个bug的并且被大家认可的系统和产品不少, 比如windows, office都是, 我在2007年给微软提了一个outlook中文版的bug, 很多年了都还没有修复.
那么, 为什么windows和office存在几千上万个bug都能被大家认可, 而一些几百个bug的系统却不被认可呢?
答案是只要符合贝叶斯函数即可. 以下是书里的一段:
尽管你已是一个编程老手，但bug仍有可能在代码中存在。于是，在实现了一段特别难的算法之后，你决定先来一个简单的测试用例。这个用例通过了。接着你用了一个稍微复杂的测试用例。再次通过了。接下来更难的测试用例也通过了。这时，你开始觉得也许这段代码已经没有bug了。
如果你这样想，那么恭喜你：你已经在用贝叶斯的方式思考！简单地说，贝叶斯推断是通过新得到的证据不断地更新你的信念。贝叶斯推断很少会做出绝对的判断，但可以做出非常可信的判断。在上面的例子中，我们永远无法100%肯定我们的代码是无缺陷的，除非我们测试每一种可能出现的情形，这在实践中几乎不可能。但是，我们可以对代码进行大量的测试，如果每一次测试都通过了，我们更有把握觉得这段代码是没问题的。贝叶斯推断的工作方式就在这里：我们会随着新的证据不断更新之前的信念，但很少做出绝对的判断，除非所有其他的可能都被一一排除。
在代码测试的例子中，如果你问频率函数：“我的代码通过了所有测试，它现在没有bug了吗？”频率函数会给出“yes”的回答。但如果你问贝叶斯函数：“通常我的代码有bug，现在我的代码通过了所有测试，它是不是没有bug了？”贝叶斯函数会给出非常不同的回答，它会给出“yes”和“no”的概率，例如“‘yes’的概率是80%，‘no’的概率是20%。”
这和频率函数返回的结果是非常不同的。注意到贝叶斯函数还有一个额外的信息——“通常的我的代码有bug”，这个参数就是先验信念。把这个参数加进去，贝叶斯函数会将我们的先验概率纳入考虑范围。通常这个参数是可省的，但我们将会发现缺省它会产生什么样的结果。
更详细的信息大家可以看《贝叶斯方法：概率编程与贝叶斯推断》这本书.
结论:
一个系统如果是经过贝叶斯方法测试的, 即使它存在几千上万个bug, 这个系统依然可以得到客户的认可.
一个系统如果没有经过贝叶斯方法测试的, 几百个bug对于这个系统是相当严重的啦.
第三点就是关于其他人也来抢leader这个position.
首先当然是其他人意识到leader这个position有利益了, 有利可图大家才会来争.
然后就是其他人觉得和我能力差不了多少, 他们能抢到我这个位置.
这里就”其他人觉得和我能力差不了多少, 他们能抢到我这个位置.”进行数学分析吧.
假设其他人成功抢到leader这个position的概率是80%, 我成功抢到leader这个position的概率是95%.
那么是否他们只要再努力一下就可以提高这15%概率的差距, 从而抢到leader这个position呢?
他们认为是的, 所以他们才来抢. 然而这是一个错觉, 从数学的角度来看, 差距很大, 这里我贴一个例子, 让大家看一下差距有多大.
假如一件事情成功的概率是20%，是不是就意味着，我重复做这件事5次，就一定能成功呢？
很多人会这样想，但事实并不是这样。
如果我们把95%的概率定义为成功，那么这件20%成功概率的事，你需要重复做14次。
换句话说，你只要把这件20%成功概率的事，重复做14次，你就有95%的概率能做成。
计算过程我放在这里，对公式头疼的小朋友可以直接略过。
做一次失败的概率为：1-20%=80%=0.8
重复做n次至少有一次成功的概率是95%，就相当于重复做n次每一次都不成功的概率是5%，
重复做n次都不成功：80%^n=1-95%=5%=0.05
n=log(0.8,0.05)=13.42
所以重复做13.42次，你成功的概率能达到95%。
如果你要达到99%的成功概率，那么你需要重复做21次。
以上例子出自<刘润对谈吴军：每个人都一定要有数学思维 >
希望会对大家有帮助，不过我更加希望得到大家新的反馈从而令彼此都得到进步。