统计学上四种认知偏见

我在学习统计学时学到的四个人生教训：

1.假阳性与假阴性：
更少的假阳性往往以更多的假阴性为代价，反之亦然。
人生经验：

你的标准越不严格，你需要处理的垃圾就越多，但是你的标准越严格，你错过的真正好的东西就越多。
“错过机会”换来了“不浪费时间”。“浪费时间”获得了“永远不会错过机会"。

2.过度拟合与欠拟合：
灵活性较低的模型无法拟合数据。更灵活的模型倾向于选择不能泛化普及的模式。
生活经验：

过度思考会让你更容易看到不存在的模式。它会把你变成一个错误的信息机器。

3.偏差与方差：

更复杂的模型给出的答案给予不太一致。
不太复杂的模型给予的答案更有偏见。

生活经验：

在微妙的思想和共识之间有一个自然的权衡。
当专家提出不同意见时，人们会很生气，尤其是当非专家不同意时，但实际上这正是你所期望的。

4.不确定性的诅咒：
指定一个固定数量的场景上下文来学习，有一个点，超过这个点，考虑额外的因素就失去帮助作用。
人生经验：

如果你没有经历过什么，那就把事情简单化。没有经验的细枝末节是有害的。

总结：

我看到的共同主题是，对于像我这样过度思考的人来说，这些都是警示故事。
作为一个理性的人，我们所能知道的东西在数学上是有限的。
知道何时思考是一种智慧，但知道何时停止思考也是一种智慧。