学习地址：coursera Model Thinking in Chinese
by Scott Page
from University of Michigan
a professor of Complex Systems
虽然真实的世界需要不理性或者真的很复杂，这些模型依然有参考价值与实际意义。
Class 1
- 将会学习到：
- 模拟埃博拉病毒的SIR类型模型
- 马尔科夫模型在视频分割中的使用
- 模型在众包中的使用
- 模型在世界杯中的使用
- 模型的分类：
- 一对多
- 多对一
- 一个小李子
- 面积是长度的平方，体积是三次方，造船更大更挣钱
- 物种的体积更大，代谢会更慢，否则热量没法扩散
- Body Mass Index并不能完美的衡量人的健康与否
- 课程结构：
- 视频
- 阅读
- 作业
- 小测试
- 论坛
- 模块的结构
- 模型
- 假设，结果与应用
- 技术细节
- 测量，证据
- 实践问题
- 生产力
- 为什么学习模型思维
- 做一个更智慧的公民
- 有个更清晰的思维
- 使用和理解数据
- 用模型去做决策，策略与设计
- 将会建立一种基于agent的模型
- Schelling's Segregation Model
- 模型有三个部分组成，Agent和Rules以及这两个组合在一起的Actions
- 这个模型告诉我们微观上的期待可能和宏观的结果又很大的差异
- 人们包容性虽然比较高，但是相互作用的时候还是会造成相当明显的隔离现象
- Measuring Segregation
- 用相异性指数去衡量隔离的程度
- |b/B-y/Y|/2
- 结果1的时候是完全隔离，结果是0的时候是完全的融合，之间的就是混合的情况
- Peer Effects
- 假设每个个体都有一个阈值，设为T,当T个人这么做的时候自己就会这么做
- 这个模型说明了系统中的狗尾巴很重要，是造成变化的绝对的影响因素
- 这个模型也说明了系统后半部分要是相对差别很小，都受到变化的影响，会产生瀑布效应
- 起立鼓掌模型
- 这个模型的研究可能让我们注意到一些不太容易注意到的影响我们起立鼓掌的因素
- 表演的质量越高，越好
- 人们的起立的阈值越低越好
- 同群效应越大越好
- 表演多元会造成人们对这个评价的误差，从而引起系统激励
- 影响人们误差的还有一个观看的位置，以及自己视野中的权威的举动
- 团体也会增加鼓掌的激励，因为同群效应
- 辨别这个同群效应是什么造成的影响需要动态的数据，不能直接的区分出来
Class 3 Aggregation 聚合
- 中心极限定理
- 相互独立的二项分布数目多的时候会服从这个中心极限定理形成标准钟形曲线
- 这个曲线可以帮助我们进行决策，是概率的角度
- Six Sigma
- 生产环境保持产品的正态分布在正负6*sigma之间，那么之外的事发生的概率基本可以忽略了
- 生命游戏
- 自组织
- 没有设计师却会出现一定的模式
- 会形成一定的函数功能
- 逻辑上保持绝对正确
- 简单的逻辑会产生非常难以置信的现象
- 元胞自动机
- 这个是生命游戏的原理基础
- 这个模型告诉我们现实中接触的复杂的事物都来自于非常简单的二值得互相作用
- 就像John Wheeler说的it from bit
- 这种元胞自动机等同于一种图灵机
- 为了定量衡量自动机的有人提出了一个参数lambda是打开的个数除以8
- 这个值并不是越大越有趣，而是接近均匀的位于中间的时候才最有趣
- 最后一点很重要：复杂性和随机性需要相互作用
- 对简单元胞自动机wolfram分成了四类不变，cycle,random,complex
- NetLogo可以对上面的理论进行仿真，可以看出多代变化造成的影响很震撼
- 偏好聚合
- 告诉我们虽然每一部分的偏好都是理性的，但是得出的集合的结果可能是非理性的
- 这也就是说集体未必是聪明的或者明智的
Class 4 Decision Model 决策模型
- 研究决策模型两个好处
- 帮助我们更好的决策
- 帮助我们预测或者理解别人的决策
- 将会研究两种模型
- 多准则模型
- 概率型模型
- 多准则决策模型
- 不要让模型告诉我们怎么去做，让模型帮助我们做出更好的选择
- 因为有的时候模型的结果可能和自己的gut不一样，这时候考虑自己模型中没考虑到的地方
- 复杂的模型会给各个影响因素增加权重
- 空间决策模型
- 这种模型的各个影响因素作为不同维度的存在帮助我们觉得
- 计算机使得高维的计算成为可能
- 概率基础与决策树与模型提炼信息的价值
- 这三节课都是基本的概率问题，可以通过这些概率在树状的决策树中做出更加理性的决定
- 或者利用概率去计算信息的价值，概率上的价值