“O problema não é os dados, é como ignoramos as partes aborrecidas dele.” Por que um modelo com 99% de precisão de previsão inundaria sua caixa de entrada com falsos alarmes e transformaria seu belo dia em um pesadelo de depuração? confundido ? Bem-vindo ao The Um preconceito que faz com que humanos e máquinas julguem erroneamente as probabilidades quando ignoramos o contexto em que os dados existem. Base Rate Fallacy What Is the Base Rate Fallacy? O que é a falência da taxa de base? Vamos dar uma rápida olhada no que a falácia da taxa de base realmente é. O é a probabilidade total de um evento ocorrer - Com base em novas evidências, o Isso acontece quando essas probabilidades subjacentes são ignoradas, e nós nos concentramos apenas nas novas evidências. base rate Antes base rate fallacy Let the Math Speak Deixe a Matemática Falar Imagine uma situação em que uma doença afeta Você, sendo um gênio, desenvolve um teste que é : 1 in 1000 99% accurate 
 
 
 Se alguém tem a doença, o teste é positivo 99% das vezes (verdadeiro positivo). Se alguém não tem a doença, o teste é negativo 99% do tempo (verdadeiro negativo). Agora, suponha que alguém teste Qual é a probabilidade de que eles realmente tenham a doença? positive Ao contrário da intuição, é Aqui está porquê: not 99% Para 1000 pessoas: 
 
 
 1 pessoa realmente tem a doença → o teste provavelmente a pega → 1 verdadeiro positivo 999 pessoas não têm a doença → 1% deles testar positivo → ~10 falsos positivos Entre os que testam positivamente: 
 
 
 Total de positivos = 1 (verdadeiro) + 10 (falso) = 11 Probabilidade de realmente ter a doença = 1 / 11 ≈ 9% Apesar de um teste que é “99% preciso”, sua chance de ficar doente é apenas Isso porque a doença é rara. 9% Esse É o - e ignorá-lo leva a uma má interpretação maciça. 1-in-1000 Taxa de base Why Humans Fall for This Por que os humanos caem por isso Este não é apenas um problema de matemática – é um . brain problem Psychologists  e Descobriu que quando avaliamos a probabilidade, subconscientemente substituímos perguntas difíceis por perguntas mais fáceis. Daniel Kahneman Amos Tversky “Quão bem esta situação corresponde ao meu estereótipo mental?” Então, quando um teste é 99% preciso, nosso cérebro diz: “Sounds like a match!” ...e assumimos que o resultado deve ser verdadeiro. Este atalho é chamado de , e nos faz ignorar a taxa de base estatística chata. representativeness heuristic The Engineer–Lawyer Conundrum O Engenheiro-Lawyer Conundrum Este efeito foi demonstrado por meio da . Engineer–Lawyer problem Os participantes foram informados: 
 
 
 Há 70 advogados e 30 engenheiros em uma sala. Jack é introvertido, gosta de quebra-cabeças de matemática e gosta de eletrônicos. Então perguntou: “Qual é a probabilidade de Jack ser um engenheiro?” Embora a taxa de referência sugira a A maioria das pessoas disse Porque o Jack A descrição parece representativa, então a relação 70/30 é ignorada – mesmo que seja um preditor mais poderoso. 30% chance 80–90% Sons How This Fails in the Real World How This Fails in the Real World ** Previsões de IA \ Você cria um modelo que marca produtos defeituosos com 95% de precisão. de itens são realmente defeituosos, a maioria dos alertas serão falsos positivos. Operações podem ir para o modo de pânico - sobre nada. 0.1% **Planejamento da Cadeia de Suprimentos \ Um sistema de atraso de alerta precoce marca os riscos do fornecedor. Quando os envios são realmente atrasados, a maioria dos avisos será falsa – mesmo que o sistema seja tecnicamente “exato”. 1 in 500 E isso acontece em uma ampla gama de domínios: detecção de fraudes, testes médicos, alertas de ameaças, monitoramento de anomalias – a lista continua. The Solution: Bayes to the Rescue A Solução: Bayes para o resgate de forma matemática, Ajuda a combater a falácia da taxa de base. Atualiza nossas crenças combinando as taxas de base com novas evidências: Bayes’ Theorem P(A ÁthaB)=P(B)P(B ÁthaA) / P(A) Onde é: 
 
 
 
 
 P(A) B: Probabilidade de ter a doença dado um teste positivo P(B) A: Probabilidade de testar positivo se você tem a doença P(A): Taxa de base (probabilidade prévia) P(B): Probabilidade total de testes positivos (verdadeiros + falsos positivos) O Teorema de Bayes nos obriga a equilibrar com Algo que a intuição humana tende a saltar. O que sabemos O que vemos Final Thoughts Pensamentos finais Vivemos em um mundo impulsionado por previsões – da IA à saúde à logística.Mas os números, não importa o quão sofisticados, não significam nada sem o direito. . context E às vezes, a visão mais poderosa reside na probabilidade chata e de baixa chave que fomos muito rápidos para ignorar.

Read My Stories

Este áudio é produzido no idioma original da história!

A falência da taxa de base: por que seu modelo mais inteligente ainda está errado

About Author

COMENTARIOS

Rótulos

ESTE ARTIGO FOI APRESENTADO EM

Related Stories

Crescimento de Criptomoedas: Criando Personas de Usuários Eficazes

O guia completo para uma migração bem-sucedida para a nuvem: estratégias e práticas recomendadas

Quer ganhar um concurso de redação do HackerNoon? Aqui está o que os vencedores do concurso #crypto-api recomendam

Liberando o poder da IA. Uma revisão sistemática de técnicas de ponta: resumo e introdução

Crescimento de Criptomoedas: Criando Personas de Usuários Eficazes

O guia completo para uma migração bem-sucedida para a nuvem: estratégias e práticas recomendadas

Quer ganhar um concurso de redação do HackerNoon? Aqui está o que os vencedores do concurso #crypto-api recomendam

Liberando o poder da IA. Uma revisão sistemática de técnicas de ponta: resumo e introdução

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps