We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
Episode 7: Lies, Damn Lies, and Statistics
2020/7/5
The Theory of Anything
B
Bruce Nilsen
C
Cameo
Bruce Nilsen：本期节目讨论了统计数据在社会中的广泛应用和误用，以及人们如何利用统计数据来掩盖对未知事物的认知不足。他通过多个例子，例如女性患乳腺癌的概率、新冠病毒的死亡率以及疾病筛查测试的准确性，说明了统计数据通常应用于群体，而非个体，将群体统计数据直接应用于个体判断是不准确的。他还介绍了概率论的两种用途：一是描述实际概率，二是弥补我们对未知事物的认知不足，并指出我们通常使用概率论来弥补我们对未知事物的认知不足，而非仅仅用于计算真实概率。在讨论机器学习时，他指出机器学习虽然有其独特的工具和词汇，但其根本还是建立在统计学基础之上的，其核心问题是如何将统计数据应用于个体预测，而这并没有简单的答案。他还讨论了机器学习中可能存在的种族和性别偏见问题，以及如何通过调整训练数据或算法来减轻这些偏见。最后，他总结了我们会在各种情境中使用概率论，但其适用性和意义并非总是明确的，并强调统计数据适用于群体，而非个体，在应用统计数据时需要考虑其局限性。
Cameo：Cameo在节目中与Bruce Nilsen一起讨论了统计数据的应用与误用。她指出统计数据适用于群体，而非个体，因此不能直接将群体统计数据用于个体预测。她还指出，人们常常错误地认为统计数据（例如疾病死亡率）在人群中均匀分布，而忽略了其个体差异性。在讨论新冠病毒死亡率时，她指出使用统计数据来弥补我们对未知事物的认知不足，这在解释不同地区新冠病毒死亡率差异时尤为明显。在讨论机器学习时，她指出解决机器学习模型中的偏见问题，需要考虑如何提高模型对不同群体的预测准确性，而非仅仅关注消除偏见本身。在讨论种族偏见时，她指出在消除机器学习模型中的偏见时，需要权衡模型的准确性和公平性。最后，她总结了人们常常利用统计数据来支持自身的偏见，并对其他群体做出假设。
Deep Dive
Cameo and Bruce discuss the common misuse of statistics, particularly in the context of individual probabilities versus population statistics, using examples like breast cancer risks.
Shownotes Transcript