Вистината за вистината ѓубре наука за наука
„Колку е полоша нашата логика, толку поинтересни се последиците на кои се појавува. Б. Расел
страници
Петок, 29 јануари 2016 година
Несакана наука за науката
Феноменот Несакана наука секогаш е фасцинантно! Мислам на дело или цела теорија која се обидува да остави впечаток на научна и која, кога се гледа од далечина, честопати успева. Меѓутоа, од поблиска проверка, овие дела се покажаа како интелектуално енормно срамнети со земја, логично нецелосно ѓубре засновано врз произволно избрани податоци или мисли. Несакана наука се обидува да ја имитира науката без да биде исполнета со содржина и честопати да го потврди светогледот кој е прифатлив за нејзиниот автор. Имаше пример со сликовници за овој феномен во блогот на тема „Потекло на животот“, но Несакана наука изобилува и насекаде. Во областа на физиката има „бесплатна енергија“ или алтернативи на теоријата на релативноста, фармацијата има лојален и несакан мозол на задниот дел со хомеопатијата и филозофијата може да очекува „објективизам“ à la Ayn Rand. Несакана наука е срамен во најдобар случај, опасен во најлош случај. Но, тој некој Несакана наука би можел да го искористам за промовирање на научно размислување во јавноста, никогаш немаше да дојдам до оваа идеја до денес!
Но, денес најдов статија за „Формулата за теорија на заговор“ на SpOn. Ова вклучува математички модел со чија помош е можно да се направат предвидувања за веројатноста со која теоријата на заговор ќе ја обелодени некој од иницираните во одреден временски период. Во крајна линија е: не за долго. Од ова треба да произлезе дека вообичаените теории на заговор како заговорот на Месечината, заговорот за вакцинација, лекот за потиснат карцином и лагата за климатските промени не можат да бидат точни - затоа што требаше да бидат предадени одамна.
Од iosубопитност, еднаш го погледнав целиот оригинален труд рецензиран од рецензиите под наслов „За одржливоста на конспиративните верувања“. Авторот на ова дело всушност тврди дека дава придонес против анти-научното размислување! И кога ќе го прочитате трудот, сè што можете да направите е да плескате со рацете над главата во лицето на овој псевдо-научен ѓубре! Всушност, сè за ова дело е идиотско и/или погрешно. Да почнеме со претпоставките.
Работата продолжува од одреден број Н. на заговорници. Штом еден од овие иницијатори ги објави своите информации во јавноста, се смета дека заговорот е разоткриен. Само тоа е крајно нереална претпоставка. Кога Гастл Молат извести за зделките со црни пари на Хиповерин банка, оваа работа не се сметаше за расчистена, туку наместо тоа заврши во психијатрија некое време. А што е со појаснувањето на комплексот НСУ, бидејќи многумина веќе кажаа голем број вознемирувачки работи? Но, продолжи понатаму.
Претставената работа претпоставува дека веројатноста дека еден од иницијантите ќе ја открие заверата може да се моделира со дистрибуција на Поасон. Оваа дистрибуција ја опишува веројатноста со која ќе се појават одреден број дискретни настани во одреден временски интервал. Тука временскиот интервал е една година, а настанот е „Лицето го открива заговорот“. Со цел процесот да биде претставен со дистрибуција на Поасон, мора да бидат исполнети голем број барања. Двајца се од особен интерес овде.
Прво, настаните мора да бидат независно да бидат едни од други, т.е. појава или непојавување на настан нема никакво влијание врз тоа дали ќе се случи некој друг настан или не. Пример за ова би било оштетување на ДНК од радиоактивно зрачење. За создавање на оштетување на една точка на ДНК, не е важно дали друга точка е веќе оштетена. Во случај на зборување за теории на заговор, оваа претпоставка очигледно не важи. На иницираната личност и ’се прави голема разлика дали некој друг веќе го открил заговорот или не. На многу начини. Може да охрабри некого да дава понатамошни изјави. Може да поттикне некого да открие повеќе детали или дури и некој друг заговор. И, ако некој како Челси Менинг е фрлен во бетонска дупка до крајот на својот живот откако зборувал, тоа е токму затоа што знаете дека веројатноста за понатамошни откритија е токму тоа Не независно од другите откритија и нивната казна.
Второ, дистрибуцијата на Поасон претпоставува дека просечната стапка со која се случуваат настаните е постојана. Мора да биде исто во секој временски интервал. Во случај на оштетување на ДНК, ова значи дека интензитетот на радиоактивното зрачење не смее да варира. И кога станува збор за подготвеност да се открие заговор, таа многу подготвеност значително ќе се промени со текот на времето. Бидејќи ова ќе зависи од многу фактори: Дали ефектите од мојот заговор ќе продолжат или веќе е заклучен? Дали сè уште имам корист од тоа или не? Дали треба да сметам на последиците кога ќе се открие или застарената материја е на еден или друг начин? Мојата смрт се приближува и нема што повеќе да изгубам, тогаш можеби сакам да си ја олеснам совеста? Или, дали моите соговорници се веќе мртви? Тука може многу да игра улога, но веројатноста со која иницијантот ќе открие заговор не е сигурно постојана.
Со ова, двата основни барања за примена на дистрибуцијата Поасон веќе не се исполнети и целата работа ја губи својата основна оправданост. Авторот ја оправдува претпоставката за дистрибуцијата Поасон со една реченица:
„Претпоставката за статистиката на Поасон што се користи во оваа работа е оправдана за дискретни настани, од автомобили кои пристигнуваат на семафор до оштетување на ДНК од радијација и треба да се однесува на изложеност на настани на заговор.
Ауу Или можеби не.
Но, глупостите продолжуваат. Многу подалеку.
Тоа е равенка (1) во наведениот труд. Јас го пишувам сето ова во толку многу детали, бидејќи тоа е пред да стане важно.
Параметарот на дистрибуцијата Поасон е резултат на Н. Упатените, од кои секоја е веројатна стр треба да го предаде заговорот во рок од една година
Грешката е во тоа што ако параметарот на дистрибуција се промени со текот на времето, еден за веројатност е на време т не може едноставно да го земе т-пати овој параметар. Придонесите на поединечните интервали мора експлицитно да се додадат. Затоа треба да гласи:
Заоблените точки се од оригиналното дело, солидните се коригираните. Бројот на доверливи лица се претпоставуваше дека е постојан за сината крива, така што нема никакви разлики. За случаите со соучесници кои умираат, веројатноста за откривање се стабилизира во одреден момент. Ако по 50 години не го предаде некој што го знаеше тоа, тогаш по 60 години повеќе нема да биде предаден затоа што сите што го знаеја тоа се веќе мртви. „Веројатноста за неуспех“ на заговорот повеќе не се менува.
Сите резултати од работата во која не се претпоставува дека бројот на иницијанти е константен, се исто така погрешни надвор од оваа бројка.
"стр Исто така ги вклучува и шансите за случајно природно изложување "
веќе не играат улога.
Не, овој напис за заговор е неверојатно лош! Полн е со неиздржани претпоставки, бесмислени затоа што се прилично произволни проценки и едноставни грешки во пресметката. Но, тој дојде до посакуваниот и разумно звучен резултат дека теориите на заговор со многу доверливи лица треба да бидат изложени брзо и затоа не може да биде вистинита. Овој напис е Несакана наука најлош вид. Бидејќи обидот да се бориме против вакциналниот скептицизам и лунарниот заговор со ваков сомнителен напис има ист ефект како измислен мртов бегалец од Лагесо: луѓе кои отсекогаш биле убедени дека науката е само приказна за лаги за манипулирање со јавноста, неискрено, необјективни и загрижени само за сопствената корист, тие сега имаат препорачано издание на кое со право можат да се повикаат како доказ за нивното мислење. Ти благодарам многу!
Додаток (7.3.):
Авторот на дискутираната студија објави корекција во која барем ги елиминира грешките во пресметката.
За подобро разбирање, уште една забелешка, зошто кумулативните веројатности секогаш монотоно се зголемуваат и зошто тоа мора да биде случај и кога луѓето што знаат за тоа изумираат.
Дозволете ни прво да земеме случај што нема никаква врска со работата на г-дин Грајмс, дискутирана овде. Сепак, принципот важи насекаде и во овој малку појасен случај, разбирањето може да биде полесно.
Земете случај на нормална дистрибуција на Гаус. Оваа дистрибуција има добро позната форма на „крива на ellвонче“ и ја одредува веројатноста за добивање на одредена вредност. Еве ја кривата на ellвончето и нејзината кумулативна веројатност (или, поточно, се нарекува „функција на кумулативна дистрибуција“):
Дозволете ни сега да претпоставиме случај на постојан број на заговорници. Тогаш веројатноста дека барем едно лице ќе зборува во рок од една година е иста за сите години. Сега, ако сакате да ја пресметате веројатноста дека барем едно лице разговарало по одреден број години, треба да ја сметате секоја година како посебен случаен експеримент и потоа правилно да ги комбинирате (идентичните) веројатности за озборување за секоја одделна година со вкупната веројатност по x години . Оваа крива на вкупните веројатности по x години заедно е токму кумулативната веројатност. Комбинацијата на постојаните годишни веројатности со кумулативната веројатност беше точна за Грајмс во неговата работа. Еве пример за пресметка за тоа како може да изгледа:
Не нацртав цврсти линии еднаш, туку точка за секоја година за да станам појасно дека ова е серија на индивидуални интервали. Тука, долгорочната просечна стапка на луѓе што зборуваат годишно се претпоставува дека е 0,1. Веројатноста годишно, бидејќи ниеден народ не треба да умира овде, е секогаш иста (сините точки за година 1, година 2,). Кумулативната крива сега се зголемува со текот на времето и се приближува до вредноста 1 за многу години (црвените точки за по една година, по две години, ...).
Сега повторно ја правиме истата пресметка, но нека се намали просечната стапка од година во година. Тогаш изгледа вака, на пример:
Сега она што се случува е исто како што претходно се дискутираше за нормална дистрибуција. Ако веројатноста продолжи да се намалува секоја година, придонесот на секоја наредна година во кумулативната крива станува сè помал и помал. Сепак, тоа не се намалува повторно, но кога веројатноста се намалува кон нула годишно, кумулативната крива останува на постојана вредност. Барем ако правилно ги комбинирате веројатностите годишно за да формирате кумулативна веројатност. Но, тоа е токму она што Грајмс не го стори. И грешката во комбинацијата предизвика нејзината кумулативна веројатност повторно да падне. И, овој пад е невозможна (ова би барало негативни веројатности годишно, а негативни веројатности не постојат). Затоа, тој и секој експерт требаше веднаш да забележат дека некаде има сериозна грешка.
Конечно, илустративен пример: Ако купам билети, тогаш кумулативната веројатност е веројатноста со која ќе се залагам н Билетите добиваат победа, а тоа произлегува од индивидуалната веројатност за билет и бројот на билети. Колку повеќе билети купам, мора да бидат поголеми шансите за победа. Кумулативната веројатност може само да расте - повеќе билети, поголема шанса за победа. Ако паднеше, тоа ќе значеше дека со набавка на дополнителни билети, јас би ги намалила моите шанси за добивка воопшто! Очигледно бесмислена ситуација.