网络群体与市场第16章教案.pptVIP

信息级联现象 Signal: H, H, L, L, H, L, L, L Decision: A, A, A, A, A, A, A, A Signal: H, L, H, L, H, L, H, L Decision: A, R, A, R, A, R, A, R Signal: H, L, H, L, L, L, H, H Decision: A, R, A, R, R, R, R, R 回想Milgram的纽约大街实验 “压力下的顺从”（不一定是显式的）－委员会的讨论，其他人有一种倾向性意见，尽管自己不一定同意，但还是投了赞成票 * 第一个人，说他看到的颜色； 第二个人，也会说她看到的颜色； 第三个人，若前面两人说的不一致，则会说她自己看到的颜色；如果前面两人说的一样，则会跟着说前面两个的判断 这是因为，（1）若她拿到的颜色与前面说的一样，她没有理由给出不一样的判断； （2）若她拿到的不一样，但她知道第一个人拿到的是不同颜色，第二个人也拿到的是不同颜色， 即3次有2次都是不同颜色，因此那种颜色的可能性大些，于是应该放弃自己看到的“信号”（信息），取和前两人一致的判断 第四个人，尽管知道第三个人有可能是“随大流”了，但只是有可能（因为第三个人也可能和前两个拿到同样颜色），因此自己也没有理由不随大流， 即他在判断的时候处于和第三个人同样的状态（第三个人的判断没有传达任何新的信息） * 这样我们就有了所有需要的参量，包括 Pr[非垃圾邮件] = 1-Pr[垃圾邮件] 注意，这里Pr[特殊字符串|垃圾邮件] 与 Pr[特殊字符串|非垃圾邮件] 之和不一定为1。 这不同于前面的 Pr[报告黄车|是黄车] 与 Pr[报告黄车|是黑车] 它们之和为1。因为此时只有两个情况，错误与正确。 * 信息级联（information cascades） （基于第16章） “随大流”（从众、跟风） 常见的社会心理现象 产品的选择，委员会的抉择，政治观念的采纳 为什么会随大流？ （1）直接获益，（2）好奇（信息） 感性的还是理性的？ 信息（私有信息，群体行为背后的信息）、推理与结果 依据信号的决策 vs 依据结果的决策 一个群体实验 注意，每个人只公开宣布自己的判断，不告诉他看到的颜色（即不揭示自己的私有“信号”）。 判断对了有奖，错了受罚。 两个坛子，以p=0.5的概率拿出一个来进行实验 参与人（1，2，3，…，N）顺序来到跟前，随机摸出一个球看看，然后大声宣布他认为坛子是“蓝多”还是“红多” 放回小球，离开 假若你是第3个人，摸到了红球，但前面听到的是：蓝多、蓝多，你会（应该）宣布什么？ 关于概率的一些基础知识 正方形（X），边长1 其中圆形A的直径 0.5，B的直径0.3 随机投针（设每次都会落在正方形中） 问：投针落在圆形A中的概率是多少？ 问：第一次落在A中，第二次落在B中的概率是多少？ A X B 关于概率的一些基础知识 正方形（X），边长1 其中的圆形（A），直径0.5 随机投针（不一定都落在正方形中） 投针落在圆形A中的概率是多少？ 说不清楚！那要看有多少落在了X中？ A X 关于条件概率的另一个视角 A X 一般地，Pr[A]？全概率公式 X2 X1 X3 X4 X5 A 关于条件概率的一些基础知识 还是随机投针，对于落在B中的那些，同时也落在A中的概率是多少？ A X B 用 表示A和B的相交部分 对称地， 贝叶斯公式（规则） 贝叶斯规则的简单应用例 设一个城市，出租车的颜色有两种，其中黑色占80％，黄色占20％。 出现了一个交通事故，肇事出租车逃离，现场目击者说是“黄色”，但他可能看错了 假设出错概率0.1（即黑说成黄，或者黄说成黑）， 换句话说，黄说成黄或黑说成黑的概率为0.9 问，那辆车真是黄色的可能性（概率）有多大？ 判断肇事车的颜色：Pr[是黄色|报告黄色]？ 我们有 Pr[报告黄色|是黄色]=目击者正确率=0.9 Pr[是黄色]=城市中黄车的百分比=0.2 于是，分子=0.9*0.2=0.18 分母，Pr[报告黄色］可表为下面两个量之和 Pr[报告黄色|是黄色]*Pr[是黄色]=0.9*0.2=0.18 Pr[报告黄色|是黑色]*Pr[是黑色]=0.1*0.8=0.08 结果：肇事车是黄色的概率为9/13 Pr[A|B] = Pr[B|A] * Pr[A] / Pr[B] 贝叶斯规则应用：垃圾邮件检测 垃圾邮件，通常按照一定的经验规则进行判断 例如邮件“主题”栏出现特别的字符串（书上用的是“check this out”，下面用cto代表）。 但看到“cto”不是简单的给出“是”或 “否”，实际上是要算（按贝叶斯规则） 其中涉及的量可以从邮件系统运行经验数据中得出 回到