乐观还是悲观---一种贝叶斯解释.docVIP

乐观主义还是悲观主义？ —— 一个基于贝叶斯理论的解释 关于乐观和悲观性格的研究一直是属于心理学的研究范畴，统计学对此鲜有涉及。乐观主义和悲观主义有哪些差异？为什么会形成这些差异？在经典的心理学教科书里我们可以找到一些现成的答案，然而这些问题是如此复杂，以至于已有的答案都没有完全揭示其中的奥秘。本文将从乐观主义和悲观主义的一些主要的特征出发给出一个基于贝叶斯理论的解释。 注意到乐观主义和悲观主义至少有如下的两个差异：一、乐观主义者倾向于高估事情成功的概率，而悲观主义者正好相反；二、乐观主义者常常会回忆成功的往事而变得越来越自信，但悲观主义者往往沉浸在失败的痛苦中越来越缺乏信心。其中，第一个差异是第二个差异的结果，而第二个差异令人颇感兴趣，为什么总是想已经发生的事情会使人逐渐改变对未来事情成功可能性的看法呢？本文认为可以用迭代贝叶斯方法来解释这个问题。先来看一个关于迭代贝叶斯方法的定理。 迭代贝叶斯定理：假定随即变量X的抽样分布密度为；其参数有先验分布，根据贝叶斯定理可以得到一个的后验分布，然后把得到的后验分布作为先验分布反复迭代下去。对迭代n次得到的后验分布，是参数的最大后验密度估计。如果是参数的最大似然估计且唯一，，那么 证明：第一次运用贝叶斯定理得到的后验分布为 这里分母 迭代运用贝叶斯方法得第n次的后验分布为 其中分母 ，如果或者，显然有 如果且，那么 因为是参数的最大似然估计且唯一，所以，又，所以 当时，，当然有n充分大时， 由最大后验密度的定义可得。 迭代贝叶斯方法的最大后验密度估计收敛于最大似然估计说明了贝叶斯方法和传统统计方法的一致性。有趣的是，这个定理似乎可以用来解释上面两个关于乐观主义和悲观主义的差异。 每个人都会对自己的能力有一个主观评价，一般地可以用做事情的成功率来描述，因为人的主观评价是模糊的，所以可以认为是服从某一分布的随机变量。主观评价的过程可以用贝叶斯方法来描述，做某件事的是否成功可以看成是一个服从贝努里分布的随机变量，表示做该事成功，概率为；表示没有成功，概率为，在做这件事之前对自己的主观评价认为的先验分布为，根据做这件事的成败得到的后验分布，是可以看成是对自己的新的主观评价。 （1） 对于大多数普通人来说，能力相差无几，做事情的客观成功率应该是相差不大的，但对于乐观主义者和悲观主义者来说，主观评价往往会大相径庭。原因就在于乐观主义者往往根据成功的事情反复评价自己，而悲观主义者常常根据失败的事情反复评价自己，这种反复评价的过程就相当于一个迭代贝叶斯方法的过程。 （1）式中如果，即所做事情成功，乐观主义者根据这件事反复评价自己，根据迭代贝叶斯定理，最大后验密度估计随着评价次数的的增加收敛于最大似然估计。在这个过程中，乐观主义者的主观评价越来越高，信心也逐渐增强。如果，即所做事情失败，悲观主义者陷入贝叶斯迭代过程，根据迭代贝叶斯定理，最大后验密度估计随着评价次数的的增加收敛于最大似然估计。在这个过程中，悲观主义者的主观评价越来越差，逐渐丧失信心。 在现实生活中，乐观的心态被认为是走向成功的重要素质。培养乐观的性格越来越受到重视。如何让一个悲观主义者变成一个乐观主义者？迭代贝叶斯定理指出了转变的可能性。 根据迭代贝叶斯定理，收敛性与先验分布几乎没有关系，意味着即使起初的主观评价比较差，只要多想成功的事情，信心就会逐渐增强，悲观主义者就能转化成为乐观主义者。这个建议和心理学教科书的方法是一致的。当然不排除极端的情况，