损失厌恶是指面对收益时,人们表现为风险厌恶,面对损失时,人们却表现为风险偏好。
模型思维经典语录
-
-
三度朋友的数量很重要,他们的多样性以及相对接近性使他们成了你的重要资产,他们可以提供新的信息和工作机会。这些人最有可能帮助你找到工作,促使你搬到新的城市,或者成为生活中、商业上的伙伴。
-
线性模型只是一个开始,大多数有趣的现象都不是线性的。
-
熵是用来度量与结果的概率分布相关的不确定性的。
-
路径依赖是对结果的逐渐影响,临界点则意味着结果的突然变化。
-
小的群体更有可能呈现异常事件,如果缺乏对这类事件的洞察力,就会做出不正确的推断并采取不明智的行动。
-
实力-运气方程,成功=a×实力+(1-a)×运气,其中,a位于区间上,是技能的相对权重。
-
平衡结果没有不确定性,因此其熵等于零。周期性过程具有不随时间变化的低熵。当然,完全随机过程具有最大的熵。复杂性具有中等程度的熵,因为复杂性位于有序性和随机性之间。
-
信息熵就对应着“是或否”问题的期望数量。如果我们不得不提出很多问题,那么分布就是不确定的。而知道了结果,也就揭示了信息。
-
回归所揭示的是变量之间的相关关系,而不是因果关系。
-
与其改变当前状态,还不如改变结构因素,而后者更有价值。
-
在离散状态马尔科夫(数学模型)过程中,如果把人生看成努力和不努力两个状态,只要状态转移矩阵确定了,长期来看,在每个状态下所停留的时间比例也就都确定了。如果人生的动力源泉是固定的,努力的百分比就是固定的,那么短期内努力或者不努力并不会有什么影响。也就是说,问题的根本不在于你的状态,而在于源动力!所以,在瓶颈期遇到困难实在不想努力的话,多去找一找自己的源动力,想想当初为什么出发。
-
可以利用熵的概念来区分四类结果:均衡、周期性、复杂性和随机性。
-
线性回归模型的目标是找到能够最小化到各数据点的直线。
-
在非定向网络中,一个节点的度(degree)等于连接到它的边的数量。
-
在社会学习模型中,个体能够从自己的选择和他人的选择中学习。个体会复制最流行的或表现高于平均水平的行动或策略。
-
我们阐明了增长和正反馈是如何产生凸性的,收益递减和负反馈又是如何产生凹性的。在绝大多数学科中,都包含了这两类模型。
-
模型通常假定变量之间存在某种特定的函数关系。这种关系可以是线性的,也可以是非线性的,或者可以包括阈值效应。
-
最大熵分布均匀分布:给定范围[a,b],使熵最大化。指数分布:给定均值μ,使熵最大化。正态分布:给定均值μ和方差σ2,使熵最大化。
-
马尔可夫模型用来刻画以一定概率在一组有限的状态之间不断转换的系统。