posts - 195, comments - 34, trackbacks - 0, articles - 1

马云:阿里巴巴为什么能够赚大钱? 

*孙正义跟我有同一个观点,一个方案是一流的Idea加三流的实施;另外一个方案,一流的实施,三流的Idea,哪个好?我们俩同时选择一流的实施,三流的Idea。

 *如何把每一个人的才华真正地发挥作用,我们这就像拉车,如果有的人往这儿拉,有的人往那儿拉,互相之间自己给自己先乱掉了。当你有一个傻瓜时,很傻的,你很会很痛苦;你有50个傻瓜是最幸福的,吃饭、睡觉、上厕所排着队去的;你有一个聪明人时很带劲,你有50个聪明人实际上是最痛苦的,谁都不服谁。我在公司里的作用就象水泥,把许多优秀的人才粘合起来,使他们力气往一个地方使。

  *网络公司将来要判断两个:第一它的team;第二,它有technology;第三它的concept,拥有这些东西,才是存在的必要。 

  *Judge一个人,一个公司是不是优秀,不要看他是不是Harvard,是不是Stanford.不要judge里面有多少名牌大学毕业生,而要judge这帮人干活是不是发疯一样干,看他每天下班是不是笑眯眯回家。 

  *30%的人永远不可能相信你。不要让你的同事为你干活,要让我们的同事为我们的目标干活,共同努力,团结在一个共同的目标下面,就要比团结在你一个企业家底下容易的多。所以首先要说服大家认同共同的理想,而不是让大家来为你干活。

   *我认为,员工第一,客户第二。没有他们,就没有这个网站。也只有他们开心了,我们的客户才会开心。而客户们那些鼓励的言语,鼓励的话,又会让他们像发疯一样去工作,这也使得我们的网站不断地发展。

   *看见10只兔子,你到底抓哪一只?有些人一会儿抓这个兔子,一会儿抓那个兔子,最后可能一只也抓不住。CEO的主要任务不是寻找机会而是对机会说NO。机会太多,只能抓一个。我只能抓一只兔子,抓多了,什么都会丢掉。

   *我们公司是每半年一次评估,评下来,虽然你的工作很努力,也很出色,但你就是最后一个,非常对不起,你就得离开。在两个人和两百人之间,我只能选择对两个人残酷。

   *您能用一句话概括您认为员工应该具备的基本素质吗?今天阿里巴巴的员工我们要求诚信,学习能力,乐观精神,和拥抱变化的态度!

   *互联网是四乘一百米接力赛,你再厉害,只能跑一棒,应该把机会给年轻人。

   *在前一百米的冲刺中,谁都不是对手,是因为跑的三千米的长跑。你跑着跑着,跑了四五百米后才能拉开距离的。

   *我们花了两年的时间打地基,我们要盖什么样的楼,图纸没有公布过,但有些人已经在评论我们的房子怎么不好。有些公司的房子很好看,但地基不稳,一有大风就倒了。

   *我们与竞争对手最大的区别就是我们知道他们要做什么,而他们不知道我们想做什么。我们想做什么,没有必要让所有人知道。

   *网络上面就一句话,光脚的永远不怕穿鞋的。

   *今天要在网上发财,概率并不是很大,但今天的网络,可以为大家省下很多成本。这个世界没有人能替你发财,只有你自己才能替你发财,你需要的是投资和投入,spend time,invest time,on the internet,把自己的时间投资在网络上面,网络一定会给大家省钱,但不一定今天就能赚多少钱,赚钱是明天的事,省钱,你今天就看得到。

   *电子商务最大的受益者应该是商人,我们该赚钱因为我们提供工具,但让我们做工具的人发了大财,而使用工具的人还糊里糊涂,这是不正常的。所谓新经济,就是传统企业利用好网络这个工具,去创造出更大的经济效益,使其成几十倍地增长,这才是真的新经济的到来。今天新旧经济是两张皮。

   *互联网上失败一定是自己造成的,要不就是脑子发热,要不就是脑子不热,太冷了。

   *我觉得网络公司一定会犯错误,而且必须犯错误,网络公司最大的错误就是停在原地不动,最大的错误就是不犯错误。关键在于总结我们反思各种各样的错误,为明天跑的更好,错误还得犯,关键是不要犯同样的错误。

   *我们是教人钓鱼,而不是给人鱼。

   *企业家是在现在的环境,改善这个环境,光投诉,光抱怨有什么用呢?国家现在要处理的事情太多了,失败只能怪你自己,要么大家都失败,现在有人成功了,而你失败了,就只能怪自己。就是一句话,哪怕你运气不好,也是你不对。

   *中国电子商务的人必须要站起来走路,而不是老是手拉手,老是手拉着手要完蛋。

   *我们知道当时可以敲几个锣,就可以围那么多人的时候,锣都敲得好,把戏还能不好?敲锣都敲出花来了。

   *我是说阿里巴巴发现了金矿,那我们绝对不自己去挖,我们希望别人去挖,他挖了金矿给我一块就可以了。

   *我深信不疑我们的模式会赚钱的,亚马逊是世界上最长的河,8848是世界上最高的山,阿里巴巴是世界上最富有的宝藏。一个好的企业靠输血是活不久的,关键是自己造血。

   *我们说上市就像我们的加油站,不要到了加油站,就停下来不走,还得走,继续走。

   *互联网是影响人类未来生活30年的3000米长跑,你必须跑得像兔子一样快,又要像乌龟一样耐跑。

   *我为什么能活下来?第一是由于我没有钱,第二是我对INTERNET一点不懂,第三是我想得像傻瓜一样。

   *发令枪一响,你是没时间看你的对手是怎么跑的。只有明天是我们的竞争对手。

   *如果早起的那只鸟没有吃到虫子,那就会被别的鸟吃掉。

   *If not now,when?If not me,who?

   *互联网像一杯啤酒,有沫的时候最好喝。

   *听说过捕龙虾富的,没听说过捕鲸富的。

   *我们不能企求于灵感。灵感说来就来,就像段誉的六脉神剑一样。

   *阿里巴巴的六脉神剑就是阿里巴巴的价值观:诚信、敬业、激情、拥抱变化、团队合作、客户第一。

   *我永远相信只要永不放弃,我们还是有机会的。最后,我们还是坚信一点,这世界上只要有梦想,只要不断努力,只要不断学习,不管你长得如何,不管是这样,还是那样,男人的长相往往和他的的才华成反比。今天很残酷,明天更残酷,后天很美好,但绝对大部分是死在明天晚上,所以每个人不要放弃今天。

   *男人的长相往往和他的的才华成反比。

   *在我看来有三种人,生意人:创造钱;商人:有所为,有所不为。企业家:为社会承担责任。企业家应该为社会创造环境。企业家必须要有创新的精神。

   *三年以前我送一个同事去读MBA,我跟他说,如果毕业以后你忘了所学的东西,那你已经毕业了。如果你天天还想着所学的东西,那你就还没有毕业。学习MBA的知识,但要跳出MBA的局限。

   *对所有创业者来说,永远告诉自己一句话:从创业得第一天起,你每天要面对的是困难和失败,而不是成功。我最困难的时候还没有到,但有一天一定会到。困难不是不能躲避,不能让别人替你去抗。九年创业的经验告诉我,任何困难都必须你自己去面对。创业者就是面对困难。

   *ebay是大海里的鲨鱼,淘宝则是长江里的鳄鱼,鳄鱼在大海里与鲨鱼搏斗,结果可想而知,我们要把鲨鱼引到长江里来。

   *一个公司在两种情况下最容易犯错误,第一是有太多的钱的时候,第二是面对太多的机会,一个CEO看到的不应该是机会,因为机会无处不在,一个CEO更应该看到灾难,并把灾难扼杀在摇篮里。

   *淘宝网的主业决不该放在与对手的竞争上,而是把眼睛盯在提升客户体验上。

   *上世纪80年代挣钱靠勇气,90年代靠关系,现在必须靠知识能力!(我好像很早也这么说过)

   *三年前的马云谈到B2C和C2C的时候丝毫不心动,在论坛上还试图说服8848创始人王峻涛、谭智相信B2C和C2C没有前途。互联网似乎和马云开了一个玩笑,让他去做自己原先最不看好的事情。不是我不明白,这世界变化快,马云发出了这样的感叹,主要是形势的变化太快了,我只能与时俱进。既然B2B在中国能够成功,我想在大环境改变的形势下再试试C2C,对于新进入的C2C领域,马云这样解释。在全球范围内,基于个人网上交易服务的模式已经成为互联网产业最为重要的领域,美国的亚马逊、Ebay,日本雅虎均在行业内具有举足轻重的地位,以中国上网人口的庞大基数,中国也应该有可能造就一个巨大的个人网上交易市场,马云进入角色似乎很快,经过半年多的考察,他对C2C的前景很是看好。

 

  *马云丝毫不避讳拿淘宝网和易趣对比,一口价、拍卖、买卖街这些模式我们都会采用,当然也会采用易趣开始运行的免费策略,时机合适的时候我们会收费,很可能是三年之后。

 

 

*如果我马云能够创业成功,那么我相信中国80%的年轻人都能创业成功。

 

*一个企业为什么而生存?使命!这一点我很自信。

 

*互联网是影响人类未来生活30年的3000米长跑,你必须跑得像兔子一样快,又要像乌龟一样耐跑。

 

*我告诉新员工,如果认为我们是疯子请离开,如果你专等上市请你离开,我们要用80年做企业。

 

*我们必须在别人改变之前先改变自己。

 

*电子商务和电视机的区别还是很大,因为电子商务是一个手段,怎么把它用好是一个技能,不是说用遥控器就可以了。

*我自己也喜欢免费的东西,但免费的东西往往是最贵的。如果一个女孩跟你好,她又不想嫁给你,麻烦就大了。与其花这点时间去浪费,不如花一点时间去真正成长。

 

*我当年学英语,我没有想到后来英文帮了我的大忙。所以,做任何事情只要你喜欢,只要你认为对的,就可以去做。如果你思考问题功利性很强的话,肯定会遇到麻烦的。

 

*我们一起创建的是团队的文化,而不是抱怨的文化。

*我们必须学会尊重和理解别人。很多时候发现我们缺的不是钙,而是爱!!!

 

*每个人都应学会认真做事,大度做人。 

*中国企业都有一个从少林小子到太极宗师的过程。少林小子都会打几下,太极宗师有章有法,有阴有阳,中国企业要从第一天就有练太极的想法才行。

 

*我们新来的员工业绩不好,没关系,如果违背我们的价值观去欺骗客户,好,你就一句话都不要讲了。不要你说,我也要死了。

 *我们全国各地的公司墙上没有一个贴着价值观的。东西贴在墙上就完了,做不好了。

 

*这个世界不是因为你能做什么,而是你该做什么.

 

    *创意是企业运营中一个很重要的一环,但它只是一环,不是所有,所以要把每项工作落实到实处.

 

    *建立自我,追求忘我。

 

    *做一份工作,做一份喜欢的工作就是很好的创业。

 

    *不是你的公司在哪里,有时候你的心在哪里,你的眼光在哪里更为重要。

 

    *不想当将军的士兵不是好士兵,但是一个当不好士兵的将军一定不是好将军。

 

    *一个创业者最重要的,也是你最大的财富,就是你的诚信。

 

    *小公司的战略就是两个词:活下来,挣钱

 

    *五年以后还想创业,你再创业

 

    *生存下来的第一个想法是做好,而不是做大。

 

    *创业者书读得不多没关系,就怕不在社会上读书。

 

    *在今天的商场上已经没有秘密了,秘密不是你的核心竞争力

 

    *很多人失败的原因不是钱太少,而是钱太多。

 

    *概念到今天这个时代已经不能卖钱了。

 

    *创业者光有激情和创新是不够的,它需要很好的体系,制度,团队以及良好的盈利模式。

 

   *你的项目感觉是一个生意,不是一个独特的企业。

 

   *赚钱模式越来越多说明你没有模式

 

    *最优秀的模式往往是最简单的东西。

 

    *建一个公司的时候要考虑有好的价值才卖。如果一开始想到卖,你的路可能就走偏掉。

 

    *人要有专注的东西,人一辈子走下去挑战会更多,你天天换,我就怕了你。

 

    *一个领导者首先是做正确的事,其次才是正确地做事,这个顺序不能颠倒。一个人要想办法让自己快乐,让团队快乐。每个组织成员都要有清晰的角色定位,所有人都认为你有问题,你就一定有问题。

 

    *愚蠢的人用嘴讲话,聪明的人用脑子讲话,智慧的人用心讲话或者说用行动讲话。能反映一个人本质的是那些小动作,小动作太多就会让人不信任。

 

    *在一个商业组织里,有业绩而无价值观的是野狗,要杀掉;没有业绩有价值观的是小白兔,也一样要杀掉。

 

   *只为失败的结果而遗憾,不为失败的原因去遗憾,那将是遗憾中的遗憾。

 

   *成功就是将平凡的事情做到不平凡。要为成功找方法,不要为失败找理由。

 

    *战略中最重要的部分是组织目标,没有清晰明确目标的团队就是一群无头苍蝇。战略是什么,战略就是重点突破!

 

    *暴露自己的弱点并不可怕,弱点是藏不住的。

 

    *其实最聪明的人永远相信别人比自己聪明,聪明的人是智慧的天敌,你自认为很聪明的人,很难成为智者。

 

    *战略没有细节就等于一堆废纸 

    *领导力在顺境的时候,每个人都能出来;只有在逆境的时候,才是真正的领导力。 

    *永远要把对手想得非常强大,哪怕他非常弱小,你也要把他想得非常强大。

 

    *对待你的商业对手犯错误经常会出现是:看不见,看不起,看不懂,跟不上。 

    *商业社会其实是个很复杂的社会,能够让自己把握起来就是诚信。因为诚信所以简单。越复杂的东西,越要讲究诚信。 

    * 企业家、商人和生意人有什么样的区别?生意人唯利是图、有钱就赚;商人有所为、有所不为;而企业家必须承担社会的责任、创造价值、完善社会。 

    *诚信是个基石,最基础的东西往往是最难做的。但是谁做好了这个,谁就路可以走得很长、很远。 

    *商业过程是一门艺术。只有向竞争者学习的人才会进步。 

    *人要成功一定要有永不放弃的精神,但你学会放弃的时候,你才开始进步。

    *短暂的激情是不值钱的;持久的激情才是赚钱的 

    *对于创业者来说,今天很残酷,明天更残酷,后天很美好,大部分人死在明天晚上,看不到后天的太阳

    *创业要找最合适的人,不一定要找最成功的人

    * 一种信仰决定一种生活;一种使命承担一份责任

    *我们需要雷峰,但不能让雷峰穿补丁的衣服上街去 

    *男人的智商和长相是成反比的

    *免费是世界上最昂贵的东西

    *这世界最不可靠的东西就是关系

posted @ 2008-07-10 01:02 小强摩羯座 阅读(302) | 评论 (0)编辑 收藏

不过,盖茨成功最重要的品质是专家们所谓的自觉.不管是编写BASIC语言还是管理一家慈善基金会,盖茨都会毫不犹豫地为了自己的激情付出行动.他不断鼓励创新,拒绝停下脚步和满足于过去的成就.他通过全身心投入工作,不断激励自己前进.职业顾问亚历山德拉·莱维特说:“人们应当把盖茨的成功看作是一个人的成功,而不仅仅是一个商人的成功.无可否认,这是给成功下的一个新定义,但如今随着个人与职业之间的界限越来越模糊,这一定义已经变得越来越重要.”以下是专家们找出的决定盖茨成功的七个要素:

  1.起步早

盖茨很小的时候就对计算机产生了浓厚的兴趣,并在中学时免修了一些课程,把这些时间用在编程的研究上.职业心理学家汉密尔顿·菲利普斯在写给《福布斯》网站的一封电子邮件中说:“即使在还是个孩子的时候,盖茨就下定决心做一件轰轰烈烈的事,并从中找到乐趣,因此在成年之后,他拥有足够稳定的情绪支撑他的工作,并让他走向成功.”

 2.目标明确 坚持到底

盖茨17岁时创办了他的第一家软件公司,而且从一开始,就梦想把它做成行业巨头.职业顾问安德丽娅·凯说:“青年时期,盖茨花了大量的时间实践他的技能并搜寻更多有关他感兴趣的事物的信息:分析问题,验证自己的想法.他是个天才,有着令人难以置信的专注.”

 3.理性而不默守陈规

学校并不适合盖茨,他自己也清楚这一点.20岁时,他毅然从哈佛大学辍学,创办了微软.但在你作出有风险的职业选择前,确信你已经考虑过后果.旧金山职业指导马蒂·纳姆克说:“如果从盖茨辍学后取得成功的经历推断有抱负的企业家都应当效仿他,那就大错特错了.一个人需要的是盖茨几个方面的结合,包括哈佛级智商、干劲、掩饰在孩子气魅力之下的无情,以及最重要的运气.”

4.一个好汉三个帮

盖茨的微软团队从一开始就一直跟着他,盖茨对团队的充分信任也给他带来了丰厚的回报.13岁那年,他与微软联合创始人保罗·艾伦相识,而微软 CEO史蒂夫·鲍尔默和他在哈佛大学时就成了好朋友.牢固的私人关系提供了一种超越工作范畴的信任度,而这种信任度保证你的员工将为你最卖力地做事.

  5.形象就是一切

盖茨已经成功地完成了从一个叛逆的暴发户到企业领导人再到慈善家的变身,在这一过程中,盖茨也充分认识到公众对自己的评价.职业指导、《New Rules @ Work》一书作者芭芭拉·帕切特说:“随着年龄的增长,他已经能够展现出自己更成熟、更稳重的一面:他的眼镜越来越小,头发越来越顺.现在,他正将自己的形象从企业领导人转变成前辈,所以他肯定能够根据他希望人们怎么看他完成这一转变.”

 6.决不自满

尽管38岁时就成了亿万富翁,但盖茨没有停下创新的脚步.那是因为他的目标不仅仅是赚钱.他痴迷于自己的行业,而且热衷于尝试新事物.在选择职业时,确信你对自己要从事的行业真正感兴趣.专家表示,你的成绩永远有待于提高,而钱也会滚滚而来.

  7.知自知彼

在整个职业生涯中,从基础的编程到慈善事业,盖茨已通过追求自己的理想取得了成功.他从来不做自己不相信的事.莱维特说:“人们应当把盖茨的成功看作是一个人的成功,而不仅仅是一个商人的成功.无可否认,这是给成功下的一个新定义,但如今随着个人与职业之间的界限越来越模糊,这一定义已经变得越来越重要.”

posted @ 2008-06-28 20:33 小强摩羯座 阅读(205) | 评论 (0)编辑 收藏

Z: 100本名著浓缩成了100句话

1.神要是公然去跟人作对,那是任何人都难以对付的。 (《荷马史诗》)
2.生存还是毁灭,这是一个值得思考的问题。 (《哈姆霄特》)
3.善良人在追求中纵然迷惘,却终将意识到有一条正途。(《浮士德》)
4.认识自己的无知是认识世界的最可靠的方法。 (《随笔集》)
5.你以为我贫穷、相貌平平就没有感情吗?我向你发誓,如果上帝赋予我财富和美貌,我会让你无法离开我,就像我现在无法离开你一样。虽然上帝没有这么做,可我们在精神上依然是平等的。(《简.爱》)
6.大人都学坏了,上帝正考验他们呢,你还没有受考验,你应当照着孩子的想法生活。 (《童年》)
7,你越没有心肝,就越高升得快,你毫不留情地打击人家,人家就怕你。只能把男男女女当作驿马,把它们骑得筋疲力尽,到了站上丢下来,这样你就能达到欲望的最高峰。 (《高老头》)
8.我只想证明一件事,就是,那时魔鬼引诱我,后来又告诉我,说我没有权利走那条路,因为我不过是个虱子,和所有其余的人一样。 (《罪与罚》)
9.你瞧,桑丘.潘沙朋友,那边出现了三十多个大得出奇的巨人。 (《堂.吉诃德》)
10.我并不愿意你受的苦比我受的还大,希斯克利夫。我只愿我们永远不分离:如果我有一句话使你今后难过,想想我在地下也感到一样的难过,看在我自己的份上,饶恕我吧! (《呼啸山庄》)
11.幸福的家庭是相同的,不幸的家庭各有各的不同。 (《安娜.卡列尼娜》)
12.唉,奴隶般的意大利,你哀痛之逆旅,你这暴风雨中没有舵手的孤舟,你不再是各省的主妇,而是妓院! (《神曲》)
13.将感情埋藏得太深有时是件坏事。如果一个女人掩饰了对自己所爱的男子的感情,她也许就失去了得到他的机会。 (《傲慢与偏见》)
14.钟声又鸣响了……一声又一声,静谧而安详,即使在女人做新娘的那个好月份里,钟声里也总带有秋天的味道。 (《喧嚣与骚动》)
15.一个人并不是生来要被打败的,你尽可以把他消灭掉,可就是打不败他。 (《老人与海》)
16.当然,行是行的,这固然很好,可是千万别闹出什么乱子来啊。 (《套中人》)
17.面包!面包!我们要面包! (《萌芽》)
18.我从没有爱过这世界,它对我也一样。 (《拜伦诗选》)
19.爱情应该给人一种自由感,而不是囚禁感。 (《儿子与情人》)
20.暴风雨将要在那一天,甚至把一些槲树吹倒,一些教堂的高塔要倒塌,一些宫殿也将要动摇! (《海涅诗选》)
21.自己的行为最惹人耻笑的人,却永远是最先去说别人坏话的人。 (《伪君子》)
22.这时一种精神上的感慨油然而生,认为人生是由啜泣、抽噎和微笑组成的,而抽噎占了其中绝大部分。(《欧.亨利短篇小说选》)
23.历史喜爱英勇豪迈的事迹,同时也谴责这种事迹所造成的后果。 (《神秘岛》)
24.整个下半天,人都听凭羊脂球去思索。不过本来一直称呼她作“夫人”,现在却简单地称呼她作“小姐”了,谁也不很知道这是为着什么,仿佛她从前在评价当中爬到了某种地位,现在呢,人都想把她从那种地位拉下一级似的,使她明白自己的地位是尚叩摹?(《莫泊桑短篇小说选》)
25.如果冬天来了,春天还会远吗?  (《雪莱诗选》)
26.我明白了,我已经找到了存在的答案,我恶心的答案,我整个生命的答案。其实,我所理解的一切事物都可以归结为荒诞这个根本的东西。(《恶心》)
27.世界上有这样一些幸福的人,他们把自己的痛苦化作他人的幸福,他们挥泪埋葬了自己在尘世间的希望,它却变成了种子,长出鲜花和香膏,为孤苦伶仃的苦命人医治创伤。(《汤姆叔叔的小屋》)
28.当格里高.萨姆莎从烦躁不安的梦中醒来时,发现他在床上变成了一个巨大的跳蚤。(《变形记》)
29.当现实折过来严丝合缝地贴在我们长期的梦想上时,它盖住了梦想,与它混为一体,如同两个同样的图形重叠起来合而为一一样。(《追忆似水年华》)
30.人与人之间,最可痛心的事莫过于在你认为理应获得善意和友谊的地方,却遭受了烦扰和损害。(《巨人传》)
31.现在我说的您要特别注意听:在别人心中存在的人,就是这个人的灵魂。这才是您本身,才是您的意识在一生当中赖以呼吸、营养以至陶醉的东西,这也就是您的灵魂、您的不朽和存在于别人身上的您的生命。(《日瓦戈医生》)
32.美德犹如名香,经燃烧或压榨而其香愈烈,盖幸运最能显露恶德而厄运最能显露美德。(《培根论说文集》)
33.亲爱的艾妮斯,我出国,为了爱你,我留在国外,为了爱你,我回国,也是为了爱你!(《大卫.科波菲尔》)
34.强迫经常使热恋的人更加铁心,而从来不能叫他们回心转意。(《阴谋与爱情》)
35.在各种事物的常理中,爱情是无法改变和阻挡的,因为就本性而言,爱只会自行消亡,任何计谋都难以使它逆转。(《十日谈》)
36.只要你是天鹅蛋,就是生在养鸡场里也没有什么关系。(《安徒生童话》)
37.就投机钻营来说,世故的价值永远是无可比拟的。(《死魂灵》)
38. 谁都可能出个错儿,你在一件事情上越琢磨得多就越容易出错。(《好兵帅克历险记》)
39.我们经历着生活中突然降临的一切,毫无防备,就像演员进入初排。如果生活中的第一次彩排便是生活本身,那生活有什么价值呢?(《生命中不能承受之轻》)
40.他发现了人类行为的一大法则,自己还不知道——那就是,为了要使一个大人或小孩极想干某样事情,只需要设法把那件事情弄得不易到手就行了。(《汤姆.索亚历险记》)
41.对有信仰的人,死是永生之门。(《失乐园》)
42.有一个传说,说的是有那么一只鸟儿,它一生只唱一次,那歌声比世上所有一切生灵的歌声都更加优美动听。(《荆棘鸟》)
43.离开一辈子后,他又回到了自己出生的那片土地上。从小到大,他一直是那个地方的目击者。(《尤利西斯》)
44.同上帝保持联系是一码事,他们都赞同这一点,但让上帝一天二十四小时都待在身边就是另一码事了。(《第二十二条军规》)
45.在甜蜜的梦乡里,人人都是平等的,但是当太阳升起,生存的斗争重新开始时,人与人之间又是多么的不平等。(《总统先生》)
46.开发人类智力的矿藏是少不了要由患难来促成的。(《基度山伯爵》)
47.离你越近的地方,路途越远;最简单的音调,需要最艰苦的练习。(《泰戈尔诗选》)
48.悲伤使人格外敏锐。(《约翰.克里斯朵夫》
49.我在女人跟前经常失败,就是由于我太爱她们了。(《忏悔录》)
50.她睁大一双绝望的眼睛,观看她生活的寂寞。她像沉了船的水手一样,在雾蒙蒙的天边,遥遥寻找白帆的踪影。(《包法利夫人》)
51.我听见美洲在歌唱,我听见各种不同的颂歌。(《草叶集》)
52.倘若你能使你的心时常赞叹日常生活的神妙,你的苦痛的神妙必不减少于你的欢乐,你要承受你心天的季候,如同你常常承受从田野上度过的四时。(《先知》)
53.现在我住在波勒兹别墅,这里找不到一点儿灰尘,也没有一件东西摆得不是地方,除了我们,这里再没有别人,我们死了。(《北回归线》)
54.艳阳高升,原野上的朝露很快便了无痕迹。源氏痛感人生如梦,像朝露一般,愈加万念俱灰。(《源氏物语》)
55.那些普普通通而毫无特色的罪行才真正令人迷惑,就像—个相貌平凡的人最难以让人辨认—样。(《福尔摩斯探案集》)
56.你有一处建在房子里面的小池塘吗?在那个小池塘里,你可以随时观察水中生物生活的每一个片断。(《昆虫记》)
57.不要向井里吐痰,也许你还会来喝井里的水。(《静静的顿河》)
58.我看到了各个民族彼此敌视,而且默默地,无知地、愚蠢地、甘心地、无辜地在互相残杀。我看到了世界上最聪明的头脑还在发明武器和撰写文章,使这种种敌视和残杀更为巧妙,更为经久。(《西线无战事》)
59.这张脸同早晨雪天映在镜子中的那张脸一样,红扑扑的。在岛村看来,这又是介于梦幻同现实之间的另一种颜色。(《雪国》)
60.一个人只要有意志力,就能超越他的环境。(《马丁.伊登》)
61.站在痛苦之外规劝受苦的人,是件很容易的事。(《被缚的普罗米修斯》)
62.感情有理智根本无法理解的理由。(《月亮和六便士》)
63.世界上一切好东西对于我们,除了加以使用外,实在没有别的好处。 (《鲁滨逊漂流记》)
64.每当太阳西沉,我坐在河边破旧的码头上,遥望新泽西上方辽阔的天空,我感到似乎有未经开垦的土地,所有的道路,所有的人都在不可思议地走向西部海岸。直到现在我才知道,在衣阿华,小伙子们总是不停地骚动喧闹,因为是那片土地使他们如此无法平静。(《在路上》)
65。在有法律之前,合乎“自然的”只有狮子的力量,或者动物饥寒时的需要,更简单地用一个字表示,便是“欲”。(《红与黑》)
66。上天让我们习惯各种事物,就是用它来代替幸福。(《叶甫盖尼.奥涅金》)
67.一个人哪怕只生活过一天,也可以毫无困难地在监狱里过上一百年。(《局外人》)
68.往上爬吧,多捞钱吧,进入上层社会,那里准备好了一切。(《美国的悲剧》)
69.念书不能增添智慧。(《痛症楼》)
70.不管我活着,还是我死去,我都是一只牛虻,快乐地飞来飞去。 (《牛虻》)
71.一个人把他整个的一生都押在“女人的爱”那一张牌上头赌博,那张牌输了,他就那样地灰心丧气,弄得自己什么事都不能做,这种人不算一个男人,不过是一个雄性生物。(《父与于》)
72.这个家庭的历史是一架周而复始无法停息的机器,是一个转动着的轮子,这只齿轮,要不是轴会逐渐不可避免地磨损的话,会永远旋转下去。(《百年孤独》)
73.现在我只信,首先我是一个人,跟你一样的一个——至少我要学做一个人。(《玩偶之家》)
74.天才和我们相距仅仅一步。同时代者往往不理解这一步就是千里,后代又盲目相信这千里就是一步。同时代为此而杀了天才,后代又为此而在天才面前焚香。(《侏儒的话》)
75.遭受苦难的人在承受痛楚时并不能觉察到其剧烈的程度,反倒是过后延绵的折磨最能使其撕心裂肺。 (《红字》)
76.人最宝贵的是生命,生命属于人只有一次。人的一生应当这样度过:当他回首往事时,不会因虚度年华而悔恨,也不会因碌碌无为而羞耻。这样,临终前他就可以自豪地说:“我已经把自己整个生命和全部精力都献给了世界上最壮丽的事业——为人类的解放而奋斗。”(《钢铁是怎样炼成的》)
77.凡是有甜美的鸟歌唱的地方,也都有毒蛇嘶嘶地叫。(《德伯家的苔丝》)
78.凡是想依正路达到这深密境界的人应从幼年起,就倾心向往美的形体。(《文艺对话录》)
79.友谊就是一切。友谊比才能更重要,比政府更重要,它和家庭几乎是可划等号的。千万别忘记这一点。({教父》)
80.已经活了七十二岁,依然像是昨天的事:居民点的林阴小路,在歇晌的时间,白人居住区,道旁开满金风花的大街,阗无行人。(《物质生活》)
81.我明天回塔拉再去想吧。巳那时我就经受得住一切了。明天,我会想出一个办法把他弄回来。毕竟,明天又是另外的一天呢。(《飘》)
82.盲目可以增加你的勇气,因为你无法看到危险.(《格列佛游记》)
83.本人系疗养与护理院的居住者。我的护理员在观察我,他几乎每时每刻都监视着我:因为门上有个窥视孔,我的护理员的眼睛是那种棕色的,它不可能看透蓝眼睛的我。(《铁皮鼓》)
84.每当我追溯自己的青春年华时,那些日子就像是暴风雪之晨的白色雪花一样,被疾风吹得离我而去。(《洛莉塔》)
85.宽宏大量,是惟一能够照亮伟大灵魂的光芒。(《巴黎圣母院》)
86.很多年以前,那时我的钱包瘪瘪的,陆地上看来没什么好混的了,干脆下海吧,去在我们这个世界上占绝对面积的大海里逛逛吧!  (《白鲸》)
87.我一贯追求的是:在人的肉体与幻想允许的范围内,获得最大限度的真诚和信任,以及对所有的一切尽可能长久的保证。(《镜中微瑕》)
88.这里有一种无处投诉的罪行。这里有一种眼泪不足以象征的悲哀。这里有一种绝大的失败,足以使我们的一切成功都垮台。(《愤怒的葡萄》)
89.起来,饥寒交迫的奴隶!起来,全世界受苦的人!  (《国际歌》)
90.我是说孩子们都在狂奔,也不知道自己是在往哪儿跑,我得从什么地方出来,把他们捉住。我整天就干这样的事。我只想当个麦田的守望者。我知道这有点异想天开,可我真正喜欢干的就是这个。(《麦田的守望者》)
91.获取一颗没有被人进攻的经验的心,也就像夺取一座没有守卫的城池一样。(《茶花女》)
92.他不知道那个梦已经丢在他背后了,丢在这个城市那边那一片无垠的混沌之中不知什么地方了,那里合众国的黑黝黝的田野在夜色中向前伸展。(《了不起的盖茨比》)
93.四月最残忍,从死了的土地滋生丁香,混杂着回忆和欲望,让春雨挑动着呆钝的根。(《荒原》)
94.世间的一切虚伪,正像过眼云烟,只有真理才是处世接物的根据。虚伪的黑暗,必为真理的光辉所消灭。(《一千零一夜》)
95.下面玩什么花样呢?(《发条橙》)
96.昨晚,我梦见自己又回到了曼陀丽庄园。(《蝴蝶梦》)
97.我不能想像这样一个人,他认为开棋的时候先走马而不是先走卒对他来说是英勇的壮举,而在象棋指南的某个犄角里占上一席可怜的位置就意味着声名不朽,我不能想像,一个聪明人竟然能够在10年、20年、30年、40年之中一而再、再而三地把他全部的思维能力都献给一种荒诞的事情——想尽一切办法把木头棋子王赶到木板棋盘的角落里,而自己却没有发狂成为疯子。(《象棋的故事》)
98.咱家是猫。名字嘛……还没有。(《我是猫》)
99.挺起英勇的胸脯前进!
看,无数的旗帜满天飞舞!
谁在那里向右转?
向左!
向左!
向左!(《马雅可夫斯基诗选》)
100.水里照出的是自己的脸,内心反映的是自己的为人。(《圣经.旧约》)

posted @ 2008-06-28 20:28 小强摩羯座 阅读(176) | 评论 (0)编辑 收藏

SVM相关理论
2007-11-30 12:35

基于数据的机器学习是现代智能技术中的重要方面,研究从观测数据(样本)出发寻找规律,利用这些规律对未来数据或无法观测的数据进行预测。迄今为止,关于机器学习还没有一种被共同接受的理论框架,关于其实现方法大致可以分为三种[3]:

第一种是经典的(参数)统计估计方法。包括模式识别、神经网络等在内,现有机器学习方法共同的重要理论基础之一是统计学。参数方法正是基于传统统计学的,在这种方法中,参数的相关形式是已知的,训练样本用来估计参数的值。这种方法有很大的局限性.
首先,它需要已知样本分布形式,这需要花费很大代价,还有,传统统计学研究的是样本数目趋于无穷大时的渐近理论,现有学习方法也多是基于此假设。但在实际问题中,样本数往往是有限的,因此一些理论上很优秀的学习方法实际中表现却可能不尽人意。

第二种方法是经验非线性方法,如人工神经网络(ANN)。这种方法利用已知样本建立非线性模型,克服了传统参数估计方法的困难。但是,这种方法缺乏一种统一的数学理论。与传统统计学相比,统计学习理论(Statistical Learning Theory或SLT)是一种专门研究小样本情况下机器学习规律的理论。该理论针对小样本统计问题建立了一套新的理论体系,在这种体系下的统计推理规则不仅考虑了对渐近性能的要求,而且追求在现有有限信息的条件下得到最优结果。V. Vapnik等人从六、七十年代开始致力于此方面研究,到九十年代中期,随着其理论的不断发展和成熟,也由于神经网络等学习方法在理论上缺乏实质性进展,统计学习理论开始受到越来越广泛的重视。
统计学习理论的一个核心概念就是VC维(VC Dimension)概念,它是描述函数集或学习机器的复杂性或者说是学习能力(Capacity of the machine)的一个重要指标,在此概念基础上发展出了一系列关于统计学习的一致性(Consistency)、收敛速度、推广性能(Generalization Performance)等的重要结论。
统计学习理论是建立在一套较坚实的理论基础之上的,为解决有限样本学习问题提供了一个统一的框架。它能将很多现有方法纳入其中,有望帮助解决许多原来难以解决的问题(比如神经网络结构选择问题、局部极小点问题等);
同时,这一理论基础上发展了一种新的通用学习方法──支持向量机(Support Vector Machine或SVM),已初步表现出很多优于已有方法的性能。一些学者认为,SLT和SVM正在成为继神经网络研究之后新的研究热点,并将推动机器学习理论和技术有重大的发展。

支持向量机方法是建立在统计学习理论的VC维理论和结构风险最小原理基础上的,根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度,Accuracy)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折衷,以期获得最好的推广能力(Generalizatin Ability)。支持向量机方法的几个主要优点有:
1. 它是专门针对有限样本情况的,其目标是得到现有信息下的最优解而不仅仅是样本数趋于无穷大时的最优值;
2. 算法最终将转化成为一个二次型寻优问题,从理论上说,得到的将是全局最优点,解决了在神经网络方法中无法避免的局部极值问题;
3. 算法将实际问题通过非线性变换转换到高维的特征空间(Feature Space),在高维空间中构造线性判别函数来实现原空间中的非线性判别函数,特殊性质能保证机器有较好的推广能力,同时它巧妙地解决了维数问题,其算法复杂度与样本维数无关;

在SVM方法中,只要定义不同的内积函数,就可以实现多项式逼近、贝叶斯分类器、径向基函数(Radial Basic Function或RBF)方法、多层感知器网络等许多现有学习算法。
统计学习理论从七十年代末诞生,到九十年代之前都处在初级研究和理论准备阶段,近几年才逐渐得到重视,其本身也趋向完善,并产生了支持向量机这一将这种理论付诸实现的有效的机器学习方法。
目前,SVM算法在模式识别、回归估计、概率密度函数估计等方面都有应用。
例如,在模式识别方面,对于手写数字识别、语音识别、人脸图像识别、文章分类等问题,SVM算法在精度上已经超过传统的学习算法或与之不相上下。
目前,国际上对这一理论的讨论和进一步研究逐渐广泛,而我国国内尚未在此领域开展研究,因此我们需要及时学习掌握有关理论,开展有效的研究工作,使我们在这一有着重要意义的领域中能够尽快赶上国际先进水平。由于SLT理论和SVM方法尚处在发展阶段,很多方面尚不完善,比如:许多理论目前还只有理论上的意义,尚不能在实际算法中实现;而有关SVM算法某些理论解释也并非完美(J.C.Burges在[2]中就曾提到结构风险最小原理并不能严格证明SVM为什么有好的推广能力);此外,对于一个实际的学习机器的VC维的分析尚没有通用的方法;SVM方法中如何根据具体问题选择适当的内积函数也没有理论依据。因此,在这方面我们可做的事情是很多的。

上文引自 水母bbs AI版

相关资源

SVM的英文主站,
http://www.kernel-machines.org/

Support Vector Machine 作者的站点
http://www.support-vector.net

piaip 的 (lib)SVM 簡易入門
http://ntu.csie.org/~piaip/svm/svm_tutorial.html

林智仁(cjlin)老師的 libsvm for matlab
LIBSVM — A Library for Support Vector Machines
Chih-Chung Chang and Chih-Jen Lin
http://www.csie.ntu.edu.tw/~cjlin/libsvm/

posted @ 2008-06-21 01:12 小强摩羯座 阅读(350) | 评论 (0)编辑 收藏

SVM学习之四——从机器学习到支持向量机

上一篇 / 下一篇  2007-09-27 10:41:06 / 个人分类:svm

器学习(Machine Learning, ML)的目的是根据给定的训练样本求对某系统输入输出之间依赖关系的估计,使它(这种关系)能够对未知输出做出尽可能准确地预测。机器学习至今没有一个精确的公认的定义。作为人工智能(Artificial Intelligence, AI)的一个重要研究领域,ML的研究工作主要围绕学习机理、学习方法和面向任务这三个基本方面进行研究。模式识别、函数逼近和概率密度估计是三类基本的ML问题。

 

从数学的角度来考虑,机器学习问题就是已知n个独立同分布的观测样本,在同一组预测函数中求一个最优的函数对依赖关系进行估计,使期望风险R[f]最小。损失函数是评价预测准确程度的一种度量,它与预测函数f(x)密切相关。而f(x)的期望风险依赖于概率分布和损失函数,前者是客观存在的,后者是根据具体问题选定的,带有(主观的)人为的或偏好色彩。期望风险的大小直观上可以理解为,当我们用f(x)进行预测时,“平均”的损失程度,或“平均”犯错误的程度。

 

但是,只有样本却无法计算期望风险,因此,传统的学习方法用样本定义经验风险Remp[f]作为对期望风险的估计,并设计学习算法使之最小化。即所谓的经验风险最小化(Empirical Risk Minimization, ERM)归纳原则。经验风险是用损失函数来计算的。对于模式识别问题的损失函数来说,经验风险就是训练样本错误率;对于函数逼近问题的损失函数来说,就是平方训练误差;而对于概率密度估计问题的损失函数来说,ERM准则就等价于最大似然法。事实上,用ERM准则代替期望风险最小化并没有经过充分的理论论证,只是直观上合理的想当然做法。也就是说,经验风险最小不一定意味着期望风险最小。其实,只有样本数目趋近于无穷大时,经验风险才有可能趋近于期望风险。但是很多问题中样本数目离无穷大很远,那么在有限样本下ERM准则就不一定能使真实风险较小啦。ERM准则不成功的一个例子就是神经网络的过学习问题(某些情况下,训练误差过小反而导致推广能力下降,或者说是训练误差过小导致了预测错误率的增加,即真实风险的增加)。

 

统计学习理论(Statistical Learning Theory, SLT)和支持向量机(Support Vector Machine, SVM)建立了一套较好的有限训练样本下机器学习的理论框架和通用方法,既有严格的理论基础,又能较好地解决小样本、非线性、高维数和局部极小点等实际问题,其核心思想就是学习机器(又叫预测函数,或学习函数,或学习模型)F要与有限的训练样本相适应。在学习算法中需要选择恰当的F,这里的关键因素是F的大小,或者F的丰富程度,或者说F的“表达能力”,VC维(Vapnik-Chervonenkis Dimension)就是对这种“表达能力”的一种描述。

 

VC维的定义如下:对于一个指示函数集,如果存在h个样本能够被函数集中的函数按所有可能的2的h次幂种形式分开,则称函数集能够把h个样本都打散,h的最大值就是函数集的VC维。VC维是SLT中的一个重要概念,它是函数集学习性能的重要指标。目前尚没有通用的关于任意函数集VC维计算的理论,只知道一些特殊的函数集的VC维。比如,在n维空间中线性分类器和线性实函数的VC维是 n+1,而 f(x,a) = sin(ax) 的VC维则为无穷大。对于给定的学习函数集,如何(用理论或实验的方法)计算其VC维是当前统计学习理论中有待研究的一个问题。

 

由上文可知,在有限样本情况下,仅仅用ERM来近似期望风险是行不通的。统计学习理论给出了期望风险 R[f] 与经验风险 Remp[f] 之间关系:R[f] <= ( Remp[f] + e )。其中 e = g(h/n) 为置信区间,e 是VC维 h 的增函数,也是样本数n的减函数。右端称为结构风险,它是期望风险 R[f] 的一个上界。经验风险的最小依赖较大的 F (样本数较多的函数集)中某个 f 的选择,但是 F 较大,则VC维较大,就导致置信区间 e 变大,所以要想使期望风险 R[f] 最小,必须选择合适的 h 和 n 来使不等式右边的结构风险最小,这就是结构风险最小化(Structural Risk Minimization, SRM)归纳原则。实现SRM的思路之一就是设计函数集的某种结构使每个子集中都能取得最小的经验风险(如使训练误差为0),然后只需选择适当的子集使置信范围最小,则这个子集中使经验风险最小的函数就是最优函数。SVM方法实际上就是这种思想的具体实现。

 

SVM是一种基于统计的学习方法,它是对SRM的近似。概括地说,SVM就是首先通过用内积函数定义的非线性变换将输入空间变换到一个高维空间,然后再在这个空间中求(广义)最优分类面的分类方法。

posted @ 2008-06-21 01:01 小强摩羯座 阅读(562) | 评论 (0)编辑 收藏

2008-06-17 21:22

      忙于项目,看了一些理论书籍,总感觉雾里看花,为了能有点动力,我准备写一些总结。
1 机器学习问题表示
变量y与输入x之间存在一定的关系,即存在二维联合概率密度F(x,y)
机器学习根据m个独立,同分布观测样本求出一个最优函数y=f(x,a),使预测的期望风险最小
R(a)= |Q(y,f(x,a))dF(x,y),其中Q(y,f(x,a))是f(x,a)与y之间的损失函数

2 经验风险最小化
由于并不知道F(x,y),所以无法利用期望风险来求f(x,a),但根据大数定理的思想,可以用算术平均代替数学期望     Remp(a)= 1/m(Q(yi,f(xi,a))+......),使样本均值最小求出f(x,a)中参数a

3 最小均值方法
求经验风险最小可以看做是最佳拟合问题,E = (yi-f(xi,a))**2+ ..........
在调整权值时需要这样一个算法:在有了新的训练样本时可以在原来的基础上进一步精化权值。对于每一个训练样例,它把权值向减少误差的方向略为调整。这个算法可以看做对可能的假设权值空间进行随机的梯度下降搜索。权值w更新方式为:w<--w+l(yi - f(xi,a))xi

4函数集的vc维
函数集Q(z,a)vc维等于能够用该函数集以所有可能的2**k种方式分成不同两类的向量z1,z2....最大数目。越复杂的函数vc维越高。
期望风险R(a )== 经验风险Remp(a)+sqr(h/m),可见vc维增加会导致期望风险增加。

5结构风险最小化
min(经验风险Remp(a)+sqr(h/m))

6支持向量机
svm的基本思想是通过事先选择的线性或非线性的映射将输入向量映射到高维特征空间中,在这个空间中利用了最优化理论和泛化性理论,同时引入了超平面的概念(减少vc维),来构造最优决策函数,并巧妙地利用核函数来代替高维特征空间的点积运算,从而避免了复杂的计算。

7贝叶斯决策
设要识别的对象有d中特征测量值x1,x2.....xd,每种特征都是一个随机变量。
gi(x)为对应i类的风险函数,利用先验概率,相应的分类规则为:
如果gi(x)>gj(x),i,j = 1,2,...c, j!= i,则x属于第i类,决策面方程为 gi(x)= gj(x)

8分类与聚类
分类:样本已知所属类别,求出分类函数,对新的样本进行识别
聚类:样本无类别,根据其分布距离进行分类

9线性分类器
定义一个准则函数J(w,x),w是分类器参数,它的最小值对应着最优解。得到梯度法迭代公式:
w(k+1)= w(k)-p(△J)
因为判别函数g(x)满足:
g(x)>0 x∈w
g(x)<0 x!∈w

准则函数有最小平方误差,最小错分类等。

10聚类
相似性测度:欧式距离,马氏距离,明氏距离,夹角余弦
散布准则:类内散布,类间散布,总散布
求解过程是聚类中心点迭代

11特征抽取和选择
选择:选取要使用的特征
抽取:利用选择出来的特征进行降维变换
抽取方法有线性变换,主成分分析的最佳矩阵变换,

posted @ 2008-06-21 00:55 小强摩羯座 阅读(294) | 评论 (0)编辑 收藏

感觉数学似乎总是不够的。这些日子为了解决research中的一些问题,又在图书馆捧起了数学的教科书。

从 大学到现在,课堂上学的和自学的数学其实不算少了,可是在研究的过程中总是发现需要补充新的数学知识。Learning和Vision都是很多种数学的交 汇场。看着不同的理论体系的交汇,对于一个researcher来说,往往是非常exciting的enjoyable的事情。不过,这也代表着要充分了 解这个领域并且取得有意义的进展是很艰苦的。

记得在两年前的一次blog里面,提到过和learning有关的数学。今天看来,我对于数学在这个领域的作用有了新的思考。

对于Learning的研究,

Linear Algebra (线性代数) 和 Statistics (统计学) 是最重要和不可缺少的。这代表了Machine Learning中最主流的两大类方法的基础。一种是以研究函数和变换为重点的代数方法,比如Dimension reduction,feature extraction,Kernel等,一种是以研究统计模型和样本分布为重点的统计方法,比如Graphical model, Information theoretical models等。它们侧重虽有不同,但是常常是共同使用的,对于代数方法,往往需要统计上的解释,对于统计模型,其具体计算则需要代数的帮助。

以代数和统计为出发点,继续往深处走,我们会发现需要更多的数学。

Calculus (微积分),只是数学分析体系的基础。其基础性作用不言而喻。Learning研究的大部分问题是在连续的度量空间进行的,无论代数还是统计,在研究优化 问题的时候,对一个映射的微分或者梯度的分析总是不可避免。而在统计学中,Marginalization和积分更是密不可分——不过,以解析形式把积分 导出来的情况则不多见。

Partial Differential Equation (偏微分方程),这主要用于描述动态过程,或者仿动态过程。这个学科在Vision中用得比Learning多,主要用于描述连续场的运动或者扩散过程。 比如Level set, Optical flow都是这方面的典型例子。

Functional Analysis (泛函分析), 通俗地,可以理解为微积分从有限维空间到无限维空间的拓展——当然了,它实际上远不止于此。在这个地方,函数以及其所作用的对象之间存在的对偶关系扮演了 非常重要的角色。Learning发展至今,也在向无限维延伸——从研究有限维向量的问题到以无限维的函数为研究对象。Kernel Learning 和 Gaussian Process 是其中典型的例子——其中的核心概念都是Kernel。很多做Learning的人把Kernel简单理解为Kernel trick的运用,这就把kernel的意义严重弱化了。在泛函里面,Kernel (Inner Product) 是建立整个博大的代数体系的根本,从metric, transform到spectrum都根源于此。

Measure Theory (测度理论),这是和实分析关系非常密切的学科。但是测度理论并不限于此。从某种意义上说,Real Analysis可以从Lebesgue Measure(勒贝格测度)推演,不过其实还有很多别的测度体系——概率本身就是一种测度。测度理论对于Learning的意义是根本的,现代统计学整 个就是建立在测度理论的基础之上——虽然初级的概率论教科书一般不这样引入。在看一些统计方面的文章的时候,你可能会发现,它们会把统计的公式改用测度来 表达,这样做有两个好处:所有的推导和结论不用分别给连续分布和离散分布各自写一遍了,这两种东西都可以用同一的测度形式表达:连续分布的积分基于 Lebesgue测度,离散分布的求和基于计数测度,而且还能推广到那种既不连续又不离散的分布中去(这种东西不是数学家的游戏,而是已经在实用的东西, 在Dirchlet Process或者Pitman-Yor Process里面会经常看到)。而且,即使是连续积分,如果不是在欧氏空间进行,而是在更一般的拓扑空间(比如微分流形或者变换群),那么传统的黎曼积 分(就是大学一年级在微积分课学的那种)就不work了,你可能需要它们的一些推广,比如Haar Measure或者Lebesgue-Stieltjes积分。

Topology(拓扑学),这是学术中很基础的学科。它一般不直接提 供方法,但是它的很多概念和定理是其它数学分支的基石。看很多别的数学的时候,你会经常接触这样一些概念:Open set / Closed set,set basis,Hausdauf, continuous function,metric space, Cauchy sequence, neighborhood, compactness, connectivity。很多这些也许在大学一年级就学习过一些,当时是基于极限的概念获得的。如果,看过拓扑学之后,对这些概念的认识会有根本性的拓 展。比如,连续函数,当时是由epison法定义的,就是无论取多小的正数epsilon,都存在xxx,使得xxx。这是需要一种metric去度量距 离的,在general topology里面,对于连续函数的定义连坐标和距离都不需要——如果一个映射使得开集的原像是开集,它就是连续的——至于开集是基于集合论定义的,不 是通常的开区间的意思。这只是最简单的例子。当然,我们研究learning也许不需要深究这些数学概念背后的公理体系,但是,打破原来定义的概念的局限 在很多问题上是必须的——尤其是当你研究的东西它不是在欧氏空间里面的时候——正交矩阵,变换群,流形,概率分布的空间,都属于此。

Differential Manifold (微分流形), 通俗地说它研究的是平滑的曲面。一个直接的印象是它是不是可以用来fitting一个surface什么的——当然这算是一种应用,但是这是非常初步的。 本质上说,微分流形研究的是平滑的拓扑结构。一个空间构成微分流形的基本要素是局部平滑:从拓扑学来理解,就是它的任意局部都同胚于欧氏空间,从解析的角 度来看,就是相容的局部坐标系统。当然,在全局上,它不要求和欧氏空间同胚。它除了可以用于刻画集合上的平滑曲面外,更重要的意义在于,它可以用于研究很 多重要的集合。一个n-维线性空间的全部k-维子空间(k < n)就构成了一个微分流形——著名的Grassman Manifold。所有的标准正交阵也构成一个流形。一个变换群作用于一个空间形成的轨迹(Orbit) 也是通常会形成流形。在流形上,各种的分析方法,比如映射,微分,积分都被移植过来了。前一两年在Learning里面火了好长时间的Manifold Learning其实只是研究了这个分支的其中一个概念的应用: embedding。其实,它还有很多可以发掘的空间。

Lie Group Theory (李群论),一般意义的群论在Learning中被运用的不是很多,群论在Learning中用得较多的是它的一个重要方向Lie group。定义在平滑流行上的群,并且其群运算是平滑的话,那么这就叫李群。因为Learning和编码不同,更多关注的是连续空间,因为Lie group在各种群中对于Learning特别重要。各种子空间,线性变换,非奇异矩阵都基于通常意义的矩阵乘法构成李群。在李群中的映射,变换,度量, 划分等等都对于Learning中代数方法的研究有重要指导意义。

Graph Theory(图论),图,由于它在表述各种关系的强大能力以及优雅的理论,高效的算法,越来越受到Learning领域的欢迎。经典图论,在 Learning中的一个最重要应用就是graphical models了,它被成功运用于分析统计网络的结构和规划统计推断的流程。Graphical model所取得的成功,图论可谓功不可没。在Vision里面,maxflow (graphcut)算法在图像分割,Stereo还有各种能量优化中也广受应用。另外一个重要的图论分支就是Algebraic graph theory (代数图论),主要运用于图的谱分析,著名的应用包括Normalized Cut和Spectral Clustering。近年来在semi-supervised learning中受到特别关注。

posted @ 2008-06-21 00:53 小强摩羯座 阅读(446) | 评论 (0)编辑 收藏

生活中的概率

 

概率论渗透到现代生活的方方面面。正如19世纪法国著名数学家拉普拉斯所说:“对于生活中的大部分,最重要的问题实际上只是概率问题。你可以说几乎我们所掌握的所有知识都是不确定的,只有一小部分我们能确定地了解。甚至数学科学本身,归纳法、类推法和发现真理的首要手段都是建立在概率论的基础之上。因此,整个人类知识系统是与这一理论相联系的……”

婴儿出生时的男女比例 

 一般人或许认为:生男生女的可能性是相等的,因而推测出男婴和女婴的出生数的比应当是1:1,可事实并非如此.

  公元1814年,法国数学家拉普拉斯(Laplace 1794-1827)在他的新作《概率的哲学探讨》一书中,记载了一下有趣的统计.他根据伦敦,彼得堡,柏林和全法国的统计资料,得出了几乎完全一致的男婴和女婴出生数的比值是22:21,即在全体出生婴儿中,男婴占51.2%,女婴占48.8%.可奇怪的是,当他统计1745-1784整整四十年间巴黎男婴出生率时,却得到了另一个比是25:24,男婴占51.02%,与前者相差0.14%.对于这千分之一点四的微小差异,拉普拉斯感到困惑不解,他深信自然规律,他觉得这千分之一点四的后面,一定有深刻的因素.于是,他深入进行调查研究,终于发现:当时巴黎人“重女轻男”,有抛弃男婴的陋俗,以至于歪曲了出生率的真相,经过修正,巴黎的男女婴的出生比率依然是22:21.

一名优秀数学家=10个师 

     在第二次世界大战中,美国曾经宣布:一名优秀数学家的作用超过10个师的兵力.这句话有一个非同寻常的来历.

     1943年以前,在大西洋上英美运输船队常常受到德国潜艇的袭击,当时,英美两国限于实力,无力增派更多的护航舰,一时间,德军的“潜艇战”搞得盟军焦头烂额.

    为此,有位美国海军将领专门去请教了几位数学家,数学家们运用概率论分析后分析,舰队与敌潜艇相遇是一个随机事件,从数学角度来看这一问题,它具有一定的规律性.一定数量的船(为100艘)编队规模越小,编次就越多(为每次20艘,就要有5个编次),编次越多,与敌人相遇的概率就越大.

    美国海军接受了数学家的建议,命令舰队在指定海域集合,再集体通过危险海域,然后各自驶向预定港口.结果奇迹出现了:盟军舰队遭袭被击沉的概率由原来的25%降为1%,大大减少了损失,保证了物资的及时供应.

什么是概率天气预报 

    概率天气预报是用概率值表示预报量出现可能性的大小,它所提供的不是某种天气现象的\"有\"或\"无\",某种气象要素值的\"大\"或\"小\",而是天气现象出现的可能性有多大。如对降水的预报,传统的天气预报一般预报有雨或无雨,而概率预报则给出可能出现降水的百分数,百分数越大,出现降水的可能性越大。一般来讲,概率值小于或等于30%,可认为基本不会降水;概率值在30%-60%,降水可能发生,但可能性较小;概率在60%-70%,降水可能性很大;概率值大于70%,有降水发生。概率天气预报既反映了天气变化确定性的一面,又反映了天气变化的不确定性和不确定程度。在许多情况下,这种预报形式更能适应经济活动和军事活动中决策的需要。

生命中的危险概率 

    生活就是一场冒险。日常生活中出现一些危险是难免的,问题是遭遇某种危险的概率有多大。一般说来,如果遭遇某种危险的概率低于十万分之一,我们还能坦然视之;但如果危险概率提高到万分之一,我们就得小心了。每年都可能遇到的危险机会有:

   受伤:危险概率是1/3

   难产(行将生育的妇女):危险概率是1/6

   车祸:危险概率是1/12

   心脏病突然发作(如果您已超过35岁):危险概率是1/77

   在家中受伤:危险概率是1/80

   受到致命武器的攻击:危险概率是1/260

   死于心脏病:危险慨率是1/340

   家中成员死于突发事件:危险概率是1/700

   死于突发事件:危险概率是1/2900

   死于车祸:危险概率是1/5000

   染上爱滋病:危险概率是1/5700

   被谋杀:危险概率是1/1110

   死于怀孕或生产(女性):危险概率是1/4000

   自杀:危险概率分别是1/20000(女性)和1/5000

   因坠落摔死:危险率是1/20000

   死于工伤:危险概率是1/26000

   走路时被汽车撞死:危险概率是1/40000

   死于火灾:危险概率是1/50000

   溺水而死:危险概率是1/50000

   如果您自己不吸烟,而您的配偶吸烟,那么您可能受二手烟污染而死于肺癌:   危险概率是1/60000

   被刺伤致死:危险概率是1/60000

   死于手术并发证:危险概率是1/80000

   因中毒而死(不包括自杀):危险概率是1/86000

   骑自行车时死于车祸:危险概率是1/130000

   吃东西时噎死:危险概率是1/160000

   被空中坠落的物体砸死:危险概率是1/290000

   触电而死:危险概率是1/350000

   死于浴缸中:危险概率是1/1000000

   坠落床下而死:危险概率是1/2000000

   被龙卷风刮走摔死:危险极率是l/2000000

   被冻死:危险概率是1/3000000

   一生中可能道遇到的危险有:

   死于心脏病:危险概率是1/3

   死于癌症:危险概率是1/5

   遭到强奸(女性):危险概率是1/11

   死于中风:危险概率是1/14

   死于车祸:危险概率是1/45

   自杀:危险概率是1/39

   死于爱滋病:危险概率是1/97

   死于飞机失事:危险概率是1/4000

   死于狂犬病:危险概率是1/700000

艾滋病的传染概率有多大 

    艾滋病传染概率有多大?据地坛医院性传播疾病防治中心徐克沂主任介绍,艾滋病是通过3种传播途径传染给他人的,即:血液传播、性传播、母婴传播。如果一个正常人输进了HIV(艾滋病病毒)阳性感染者或艾滋病病人的血液其感染的概率是95%,而一个HIV阳性感染者或已经发病的病人与一个正常人发生性关系的感染概率和性别有一定关系,男传给女的概率是0.2%,女传给男的概率是0.l%,男传男的概率要比以上两种方式大得多。如果母亲是一个HIV阳性或艾滋病的病人,其感染给胎儿的概率是25%,但是如果母亲经过AZT的抗病毒治疗,其胎儿的感染概率下降到8%;经过联合疗法(鸡尾酒疗法)治疗胎儿的感染概率可能下降为2% 

    艾滋病病毒是一种十分脆弱的病毒,它对热和干燥十分敏感。在干燥的环境中,艾滋病毒10分钟死亡,在60摄氏度的环境中30分钟灭活。如果一支刚接触病人身体带有血液的注射器,马上刺入正常人体内,其感染的概率小于0.3%。蚊虫叮咬不会传染艾滋病就是因为这个原因。 

    在医学史上人类经历了霍乱、鼠疫、黄热病和天花等多种流行病的侵害,而人类最终还是战胜了它们。如今面对艾滋病,有关遏制艾滋的医学研究也正在紧锣密鼓开展,例如用传统医学方法研制的艾滋疫苗;用中医药技术研发的艾滋抗体及从计划生育角度转而提倡运用的“避孕套”,这些都让我们看到人类克服艾滋病的曙光。

彩票中奖概率话你知

“36选7”“26选5”概率 

    据有关专家介绍,广东省目前发行的体彩“36选7”、南粤风采“36选7”、南粤风采“26选5”均属于数字组合型玩法,其中奖概率的计算方式也是相同的,其中“36选7”玩法的头奖命中概率为1/8347680,“26选5”玩法的头奖命中概率为1/65780;目前体彩“36选7”二次开奖的中奖概率仍为1/8347680,南粤风采“36选7”全省特别奖(中8个号码)的中奖概率为1/32060340,南粤风采“36选7”南粤福星奖(中9个号码)的中奖概率为1/94143280,南粤风采“26选5”幸运奖(中7个号码)的中奖概率为1/657800。

excel函数可计算中奖概率 

     针对类似“36选7”的数字组合型玩法,数学专家还向记者推荐了一种利用excel表格软件函数计算的简单方法,打开电脑中的excel软件,在“粘贴函数”栏内选择“数学与三角函数”中的“combin”函数,填入相关数据就可以计算出相应的中奖概率,如“36选7”的概率计算公式为:combin (36,7),南粤风采“36选7”全省特别奖和南粤福星奖的计算公式分别为:com-bin(36,8)、combin (36,9),彩民朋友可以根据公式自行计算“×选×”型彩票玩法的头奖中奖概率。

幸运七星及足彩中奖概率 

    体彩“幸运七星”则属于数字型玩法,即从0000000~9999999共1000万个号码中任选一个七位数号码组成,每个号码均从0~9共10个数字中开出,“幸运七星”头奖的理论中奖概率为1/10000000。 

    目前最受彩民欢迎的足彩实际上也是一种数字组合型玩法,不过计算方法相对比较简单,13场比赛均选“3、1、0”可组合出3的13次方1594323注单式号码,一等奖的中奖概率为1/1594323,换句话说,每销售320万元的足彩,平均就可能诞生一个一等奖。而如果将足彩竞猜的场次增加到14场,足彩的头奖中奖概率则降低为1/4782969,难度增加了3倍。

吸烟危及生命概率:50%戒烟等于自救 

    1987年11月,世界卫生组织(WHO)在日本东京举行的第6届吸烟与健康国际会议上,建议把1988年4月7日,也就是世界卫生组织成立40周年纪念日,作为“世界无烟日”,提出“要吸烟还是要健康”的口号。1989年,世界卫生组织又把这一天改定在每年的5月31日。 

    今年5月31日,我们将迎来第17个世界无烟日,但目前我国吸烟现状却不容乐观:烟民人数不断增加,达3.2亿人,烟民平均年龄在降低,女烟民及青少年吸烟的数量在不断增加。 

    我国烟草生产和消费还居八个“世界第一”:烤烟种植面积世界第一;烤烟产量世界第一:烤烟增长速度世界第一;卷烟产销量世界第一;卷烟增长速度世界第一;吸烟人数世界第一;吸烟人数增加数量世界第一;烟税增长速度世界第一。 

    吸烟有害健康,这句话人人会讲,但是,你可知道,吸烟危及生命的概率究竟达到了何种程度吗? 

    探究吸烟与戒烟

   一,吸烟为什么会上瘾?

   烟民往往都有烟瘾,这主要是尼古丁长期作用的结果。尼古丁就像其他麻醉剂一样,刚开始吸食时并不适应,会引起胸闷、恶心、头晕等不适,但如果吸烟时间久了,血液中的尼古丁达到一定浓度,反复刺激大脑并使各器官产生对尼古丁的依赖性,此时烟瘾就缠身了。若停止吸烟,会暂时出现烦躁、失眠、厌食等所谓的“戒断症状”,加上很多吸烟者对烟草产生一种心理上的依赖,认为吸烟可以提神、解闷、消除疲劳等,所以烟瘾越来越大,欲罢不能。

   其实烟草与吸食海洛因引起的成瘾性不同,前者是完全可以戒掉的,关键要戒除心理上对烟草的依赖。这种心理依赖导致吸烟者的一种行为依赖,使得吸烟者感到戒烟困难甚大,无形中增加了戒烟的难度。

   二,二手烟危害他人健康?

   一个人吸烟似乎“无关他人”,其实不然,其家人正受到被动吸烟的危害。根据世界卫生组织的定义,被动吸烟是指不吸烟者一周中有一天以上每天吸入吸烟者呼出的烟雾长于十五分钟。中国71%的家庭、32.5%的公共场所和25%的工作场所,因有人“吞云吐雾”而成为被动吸烟场所。

   被动吸烟也即是吸“二手烟”,目前我国有六亿人受到被动吸烟的危害。被动吸烟者所吸入的有害物质浓度并不比吸烟者低,吸烟者吐出的冷烟雾中,烟焦油含量比吸烟者吸入的热烟雾中的多1倍,苯并芘多2倍,一氧化碳多4倍,如此多的有害物质对周围的人特别是儿童、孕妇和老年人造成很大的危害:

   据估计,美国每年有四百万儿童因吸入“二手烟”而患病。父母吸烟使儿童下呼吸道疾病如哮喘、肺炎的发生率增加50%,儿童易出现各种慢性呼吸道刺激症状,如咳嗽、咳痰、喘息等,甚至出现持续的肺功能损害;

   被动吸烟易引起中耳积液,使儿童中耳炎的发生率增加;

   被动吸烟可以使哮喘患儿的哮喘发作次数与严重程度明显增加,对有过敏体质的患儿更易诱发哮喘发作;

   被动吸烟与婴儿突然猝死综合征(SIDS)的发生密切相关;

   父母吸烟使儿童更易成为吸烟者;孕妇吸入“二手烟”易引起流产、早产、出生低体重儿以及婴儿先天性畸形如唇裂、颚裂等;

   老年人长期吸入“二手烟”易引起肺炎、急性心脑血管疾病的发生……

   三,戒烟为何戒不了?

   有研究表明,吸烟者中有11.7%的人是复吸者,而且复吸者的肺部损伤程度较一直吸烟者为重,原因有多方面:复吸者较其他吸烟者更易成瘾,复吸后其吸入香烟的数量更多,且每口烟的吸入程度更深,对身体的影响不言而喻。对于每一个吸烟者来说,在一些特定的“危险”情形下(当周围人吸烟、感到压力大、心情烦躁、饮酒后)会更有吸烟的冲动,那么请尽量避免这些情况的发生,当有吸烟冲动时做几次缓慢的深呼吸或从事其他活动转移注意力是个好方法。

   四,戒烟后生活会变化吗?

   如果您选择戒烟,您将选择告别咳嗽气喘、烟灰异味、污浊空气、皮肤衰老、疾病困扰……让我们看看您戒烟后生活发生了哪些变化:8小时后血液的氧合作用恢复正常,患心肌梗塞的风险开始降低;24小时后口气清新,肺开始排泄粘液和焦油,患呼吸道感染、支气管炎和肺炎的风险开始降低;48小时后血液中不再检测出尼古丁;1周后味觉、嗅觉得以改善;3—9月后呼吸得以改善(咳嗽、气喘减少),肺功能提高5%—10%;1年后患心脏病(如心肌梗塞)的风险减半;5年后患脑中风、口腔癌、食道癌、膀胱癌的风险减半;10年后患肺癌的风险减半,患脑血管突发事件(脑“中风”)的风险与未吸烟者持平……所以选择了戒烟,你就选择了一个健康清新的生活。

   “吸烟危及生命的概率是50%,戒烟等于自救”。这是法国国家戒烟委员会和烟草预防办公室在巴黎举行的第30届法国医学沙龙上对所有吸烟者发出的警示和呼吁。 

   复旦大学附属中山医院呼吸内科瞿介明宋琳

消息来源:上海疾控中心

10%的酗酒概率 

     我们经常见到,当全家人围坐在节日餐桌旁的时候,父母让年幼的孩子喝上一点酒,这是否对孩子有害?专家们的看法是:90%的情况下不会有任何危害。但是,仍有10%的孩子,因为基因的特殊性而导致日后酗酒。谁来给这10%的孩子上保险,不致使他们进入这10%的行列?美国总统夫人弗尔德描述了自己酗酒的情况。她回忆说,当她感冒的时候,她妈妈将一勺威斯忌倒进了她的茶里。这足以使她成年后成了酗酒者。

中数字出现的稳定性(法格逊猜想) 

     在的数值式中,各个数码出现的概率应当均为.随着计算机的发展,人们对的前一百万位小数中各数码出现的频率进行了统计,得到的结果与法格逊猜想非常吻合.

我们是不是该相信小概率事件?

文/葛民勤

一、什么是小概率事件?

 小概率事件,字面意义就是发生的可能性极小的事件。比如,北京地区出现日全食;山西洪洞发生里氏5级地震,新疆吐鲁番地区下了一场暴雨,小行星撞地球等等。以上这些是发生在自然界的小概率事件,发生在人类社会的小概率事件诸如上证指数突破2000点,某特定国家通过允许同性恋的法律,某两个国家统一等等。至于发生在日常生活中的小概率事件,也是不胜枚举,如某个特定的人中了彩票头奖,某日某地有人跳楼自杀,等等。

 小概率事件是要和不可能事件,也即无概率事件区别开的。所谓不可能事件,就是指完全不可能发生、概率为零的事件。不可能事件可以分为三类。第一类,如某人某时刻既在甲地又在乙地,世界上既有能刺穿一切盾的矛又有能抵挡一切矛的盾等等,属于自相矛盾的事件,违反了逻辑,也就绝对不可能发生。这类不可能事件显然没有研究意义。

 第二类,如日本没有进行南京大屠杀、诸葛亮的隐居地在河南南阳而不是湖北襄阳等等,是对于历史上确凿发生过的事件的否定,也即对必然事件的否定,其概率自然为零。但是这种不可能事件在统计学上也没有研究意义,因为统计学更多地是关注在一定条件下可以重现的事件以及一般性的事件,而不是永远无法重现的个别事件。

 不可能事件的第三类,如永动机、常温常压下纯冰在零摄氏度以下自发融化、地球接收到三秒钟前太阳发射的光线等等,违反了最基本的自然规律,也是对必然事件的否定,因而发生的概率也为零。永动机违反了热力学定律;常温常压下纯冰在零摄氏度以下融化违反了冰的相图,实质也是违反了热力学第二定律;地球接收到三秒钟前太阳发射的光线则违反了相对论“真空光速不变”的原理。不过,某些这一类的不可能事件的判定不是很简单的,后文还要提及。

二、基本的概率计算方法

 小概率事件彼此也可以相差很大的。例如,同样是发生里氏5级以上地震,在日本和在山西洪洞的概率就明显不同。日本几乎每年都会发生至少一次里氏5级以上地震,而山西洪洞发生里氏5级以上地震的概率大约是200年~300年一遇(同一地震序列中的几次5级以上地震按一次计算)。又如同样是干旱地区,吐鲁番和南美洲智利阿塔卡马沙漠的暴雨概率也大为不同。1958年8月14日,吐鲁番突降36.0毫米的暴雨,引发山洪泛滥;这种暴雨在有记录以来的阿塔卡马沙漠地区还从未出现——相反,阿塔卡马沙漠曾创造了1845-1936年间整整91年没有降水的纪录。

 要对小概率事件发生的可能性有正确的认识,就必须估计出小概率事件的概率。概率计算的最基本方法,是先估计出与该事件互不相容(即永远不可能同时发生)的所有事件的数目,则该事件包括的所有情况的数目与所有这些互不相容事件的数目之比,就是该事件的概率。最直观的例子是掷骰子。骰子共有六面,掷一次骰子得到某一点值就有六种可能,而且是互不相容的。因此,全部互不相容事件的数目是6。假如我们要算掷一次得到1点的概率,这个事件只有一种可能,所以其概率为1/6。假如我们要算掷一次得到点数为3的倍数的概率,因为这个事件包含两种情况(3点和6点),所以其概率为2/6=1/3.

 这种基本方法有两个局限:第一,它所计算的事件如果要发生,只能发生一次;第二,它所计算的事件是瞬间决定的,而不是一个连续的过程。但是这两个局限并不难突破。对于多次发生的事件,可以应用独立事件的积的办法计算某一事件的概率。所谓独立事件,是指两件或两件以上事件彼此之间互不干扰,一件事发生与否对另一件事的概率没有影响。如两次彩票的头奖号码,因为抽奖过程是完全独立的,因此第二次彩票的头奖号码有可能和第一次相同,而不会有意避开。显然,在考虑几次事件联合发生的概率时,总的互不相容事件的数目是每一独立事件的互不相容事件数目的乘积。如掷两个骰子,第一个骰子有6种可能,第二个骰子也有6种可能,总可能性就是6×6=36种。因此,总概率也就是每一独立事件发生的概率之积。例如掷两个骰子出现两个6点,每个骰子出现6点的概率是1/6,总概率就是(1/6)×(1/6)=1/36。

 如果事件发生的次数再多,应用简单的四则计算就会感到计算量庞大而难以算出结果。而对于连续性发生的事件,也不能用硬性分割的办法把它简化为瞬间发生的多次独立事件。幸而高等数学已经解决了这个问题。极限概念的引进为解决复杂的概率计算提供了理论基础,微积分就是极限概念的应用。应用微积分来计算概率,也就成为统计学的基础。

三、小概率事件的估计方法

 不同的小概率事件,有不同的各具特色的概率估计方法,概率值的表达形式也不相同,但都体现了上述基本的计算方法。例如,对地震、旱灾、洪水之类自然灾害的概率,我们常常用“××年一遇”这种表达形式。仍以洪洞地区地震为例。自有史料记载以来,1303年9月25日在城关镇-赵城镇(当时为洪洞县和赵城县)发生了大地震,据史籍文献里的烈度推算,震级为里氏8级;1695年5月18日,在洪洞南部的临汾发生八级大地震,强烈波及洪洞地区。如果再算上一些震级较小的破坏性地震,洪洞地区5级以上破坏性地震的概率大约是两三百年一遇。

 需要说明的是,这种通过史籍的记载来进行自然灾害的统计和概率估计的方法是中国特色的,因为只有中国保留下来了如此众多而完备的各种史籍。对于缺乏史籍的国家和地区,对自然灾害的统计和概率估计,只能通过自然调查的方法。

 又如对外星人来访的概率估计。首先是分析事件发生的原因。外星人来访有两个前提条件,一是生命能够存在,二是生命能够进化到智慧生命并且发展到宇航时代。影响这两个前提条件的必备因素是很多的,首先必须要求恒星是稳定的主序星,温度不能过热,而且是单一存在,不是双星或多星系统;其次,行星大小适中,有足够的水和大气,与恒星的距离适中,轨道偏心率不能太大;再次,有足够的时间供生命演变,也即宇宙环境要稳定,在行星系统30光年内的所有恒星都必须保证在这一时间段内不发生灾变。如果对每一个原因都利用现有的天文观测资料进行慎重的估计,文明世界在银河系内发生的可能性只有不到10^(-6),换句话说,银河系的四千亿颗恒星里,可能存在宇航时代文明世界的恒星不到四十万个,即文明世界的平均半径达70光年。这一计算方法首先由SETI工程的先驱者、美国天文学家弗兰克·德雷克(Frank Drake)提出,德雷克因此建立了一个计算概率的公式,称为德雷克公式。德雷克公式清晰地告诉我们,即使按最保守的估计,外星人来访的可能性也不会比你猜中一个随机生成的六位数更大。

 同样,对于社会和日常生活中的小概率事件的统计和概率估计,也有自己独特的方法。但总不外乎原因分析、建模和调查这几种基本方法。统计学发展到今天,已经是一门严谨精密的科学,在自然科学和社会科学的研究中得到了越来越多的应用。例如统计热力学,就是统计学方法和物理学的完美结合。社会科学的研究更离不开统计学,因为社会发展的规律本身就是以统计性为其特征的。因此,掌握统计学的基本原理,已是对从事各种研究的学者的最起码要求。

 

 

 

四、有意义和无意义的小概率事件

 以上对小概率事件及其概率估算方法做了简单的分析。分析结果是需要应用于实践的。对小概率事件估算出来的概率值,可以科学地决定我们的决策。这时我们就需要判定,哪些小概率事件是有意义的,哪些小概率事件是无意义的。因此,判断小概率事件是否有意义,就是判断它对于我们的实践是否有影响。这体现了对小概率事件的意义判断的“实用性”。

 首先,概率本身的大小是一个重要的判定依据。如果一个小概率事件的概率太小,比如,低于10^(-5)量级,那么在绝大多数情况下,它对于实践的影响可以忽略,也就因此是没有意义的。比如月亮从天上掉下来,严格地说,这也是小概率事件,因为既然地球对月亮有吸引力,它从天上掉下来是理论成立的。那么这种事件发生的概率是多少呢?同样先要找原因。月球掉下来的最可能原因不外乎三种:一,有小行星撞过来,改变了它的运行轨道;二,外星人所为;三,地球人自己所为。前两种的概率都不到10^(-7),而第三种,在最近几十年内,概率趋近于零。三种原因合起来考虑,这一事件发生的概率至多是2×10^(-7),尽管不是零,但却足以被认定是无意义的。因此,不会有任何一个国家准备足够的核弹头,以备万一月球下坠时发射、以改变其运行轨迹、使之飞离地球或回到原轨道之用。

 其次,实践的精度也是一个重要的判定依据。如果做一件事不需要太多的考虑,也就是说,不需要太高的精度,那么凡是低于这个精度的不确定性都可以不在考虑之列,也就因此是无意义的。比如计算月球轨道,如果只是为了定农历的初一,那么至多考虑地球引力、太阳引力、岁差等三四项就可以了;如果要精确计算的话,大行星的摄动之类也必须考虑进去。二十世纪初,英国天文学家E.W.布朗(E.W. Brown)在精密的观测和天体力学理论的基础上,建立了新的月球运动理论,并以毕生精力投入到月球轨道计算中去。他所考虑的影响月球轨道的因素,就有几百项之多。这对于尖端的天文学应用(例如后来的人造卫星发射和控制)当然是十分有意义的,但对于编制农历,考虑这么多的因素就无意义了。

 再次,考虑小概率事件的发生时,需要注意到它的发生频率不均性。小概率事件的发生概率只能是在一定范围内平均而言,但分布可以是不均的。例如我们常常说我国是多地震国家,但地震在时间和空间上都分布不均。比如,我们不能要求地震很少的江西省盲目加大抗震基础设施建设,那样是对资金的浪费,自然是无意义的。国家颁布的中国地震烈度区划图就是根据不同地区不同的地震发生频率制订的,有效地避免了抗震措施的盲目采取和资金的浪费。又如,1976年7月28日唐山地震后,围绕如何重建唐山展开了争论。如果按唐山地震的最大烈度XI度设防,则需要的建设资金过高,新唐山难以重建。因此,在地震学者的详细勘察之后,认定五十至一百年内,唐山地区不会再发生5.0级以上地震。于是把唐山地区的烈度区划定为VIII度区。这时候,1976年的唐山地震最大烈度高达XI度这一小概率事件对于今年五十至一百年这个时间区段内的城市抗震建设就是无意义的了。

 划分小概率事件的有意义和无意义,可以使我们科学地对各种可能影响实践的因素进行取舍,从而使我们的决策具有最大的合理性。这也是运筹学的基本思想。

五、小概率事件和不可能事件的分辨

 小概率事件以其概率小,有时是容易和不可能事件混淆的。如何区分小概率事件和不可能事件,不是一件简单的事情。首先,确实得承认某些情况下的区别是一个历史范畴,也就是说,随着科学技术的进步,某些被判定是不可能的事件可能成为小概率事件,而某些被判定是小概率的事件可能成为不可能事件。但是,这种分辨标准的变化只是个别标准的变化,而不是全部标准的变化。科学技术的发展是对宇宙客观规律的不断深入认识,是一个趋近绝对真实的过程,这就好比岩石在海中沉积,不断会有新的岩层生成,而老的岩层并未消失,而是成为新岩层的基础和支撑。承认个别判定标准的变化,决不是为了推而广之,认为整个科学体系的判定标准都有问题。

 比如,惰性气体在发现之后的半个多世纪内,一直认为绝对不能与其他元素化合。但1962年,加拿大化学家巴特列(N. Bartlett)率先合成了第一种惰性气体的化合物——六氟络铂酸氙,开创了惰性气体化学这一崭新的无机化学分支,也使人们不得不把惰性气体改称为“稀有气体”,以图名正言顺。但是,在常温常压的大部分情况下稀有气体是无法和其他物质反应的,氦、氖、氩三种稀有气体至今没有拿到化合物,说明稀有气体的化学反应只是小概率事件。这是不可能事件转变为小概率事件之一例。 又如,1898年,英国物理学家凯尔文(W.T. Kelvin)曾忧心忡忡地认为,随着工业文明的不断发展和人类数目的不断增多,地球上的氧气在500年之内就会耗光,人类就会灭亡。事实上,早在1772年,英国化学家普利斯特里(J. Priestley)就发现了光合作用,以后的科学家陆续发现,光合作用消耗二氧化碳,制造氧气,恰恰和呼吸作用相反。生态学的发展使人们确立了碳循环、氧循环的概念,知道在尊重自然规律的前提下,人类的活动不会造成地球上的碳循环和氧循环失衡,生态环境会一直保持下去,因而,凯尔文的担心只是杞人忧天。这又是小概率事件转变为不可能事件的例子了。

 但是需要指出的是,这种小概率事件和不可能事件的区别,仅仅是哲学层面上的意义。在实践层面上,一旦认定某小概率事件是“无意义”的,那么它和不可能事件也就没有任何区别。这就像是用计算器计算,如果你不停地用2除1,在一直不断地按等号之后,最后肯定会得到一个零。尽管从理论上讲,“一尺之棰,日取其半,万世不竭”,但计算器把若干次操作之后的结果,和真正的零等同起来,也就说明小概率事件和不可能事件的哲学层次区别,不能简单地套用在实践中。

六、小概率事件的另一个层面性

 前面讲到了小概率事件有意义和无意义的一个层面性,即哲学层面和实践层面的区别。小概率事件的另一个层面性,是个体层面和一般层面的区别。事实上这也只不过是事物的种种矛盾中的一般矛盾和特殊矛盾的区别,但因为在我们讨论中的重要性,姑且把它提升到“层面”的高度来讨论。

 我们举一个通俗的例子。日本漫画《机器猫》中曾经有一个故事,野比看到电视上保护朱鹮的新闻报道,忽然意识到自己也是世界上独一无二的一个,于是要机器猫“保护”自己以逃避繁杂的功课享受童年的快乐,结果适得其反。这里面就存在个别和一般层面的区别。野比作为人类,只是一个个体,而人类则是一个一般层面上的概念。个体的野比的“灭绝”和一般的人类的灭绝,显然是不同的。

 同理,小概率事件作为偶然性的一种体现,只能起到补充和完善必然性的作用。如果承认历史唯物主义是正确的,人类社会的发展是客观的,那么社会规律必然是客观的,而作用在整体社会上的小概率事件,如果是起源于社会内部,而不是外部世界强加的不可抗力,就不会扭转人类社会本身发展的大势。但是在个体层面,这种小概率事件却可以扭转个人以至局部社会的命运。

 不错,有时候社会领域里的小概率事件确实给人一种“身不由己”的感觉。但是这种“身不由己”感只在个人层面上有意义,从整个社会的发展来看,它只不过是滚滚洪流中的一瞬间的浪花。在承认历史唯物主义的前提下,过分渲染这种“身不由己”感,如果不是文学式的感喟,就是历史相对主义对人的意识的夸大;而抹煞这种“身不由己”感,又落入了机械历史唯物主义的窠臼。

 所以,能够辩证地看待小概率事件,也是我们认识自然世界和人类社会,并更好地应用统计学和运筹学来解决问题的一个前提。

七、我们是不是该相信小概率事件? 经过上述的分析,下面我们来回答本文题目中的这个问题。

 所谓“相信”某事,最简单的解释是认为某事是真的,不怀疑。如果我们不去考虑现代心理学对相信这一意识行为发起的原因的探析,而仅分析它的表现形式的话,那么“相信”至少有两个层次:其一,仅仅停留在哲学层面上的相信,而不用它指导实践;其二,既是哲学层面上的相信,也是实践层面上的相信,即用这一所相信的理念来指导实践。

 显然,第一种相信对于指导实践是没有意义的,它所满足的,仅是一种内心的需求,一种纯思辩的愉悦。第二种相信则不仅仅达到这一点,而且将所相信的事物,用作自己行动的指南,并将这种指导实践的作用,作为发挥“相信”的能动性的重点。

 对于自然科学研究来说,因为实践是其重点,一切自然科学研究的理论都要符合实践,所以从科学实践的角度来讲,第二种相信才是真正的相信,第一种相信对此而言只能是“伪相信”。比如,有一些科学家信教,但是在科学研究里面,他们并不把那些独属于宗教的教义拿来实施,宗教只是他们科学实践以外的感性生活里的重要成分。因此,对于他们作科学研究这件事来说,宗教的信仰只能是一种伪相信。不过需要特别强调一点,本文中所有“伪相信”中的“伪”,对应英文的pseudo-,只是一个中性的前缀,不具贬义,因此不能说,伪相信就是不合理的。

 同理,上文已经论述,无意义的小概率事件对于实践不具指导作用。相信这种小概率事件只能起到对意识本身的能动作用,而对于实践,只能是一种伪相信。

 反过来,在人文艺术领域,因为不涉及以物质为客体的实践,上述伪相信和真相信的区别,也就没有必要。尽管在科学实践的立场上,人文艺术领域的相信都是“伪相信”,但这样讲显然是对人文艺术不公平的——因为人文艺术并不要求能指导实践。因此我们另换一种说法,称其为“人文式相信”更合适一些。可以说,人文艺术所孜孜追求的也就是人文式相信。但是把这种人文式相信上升到科学实践角度的真相信的层次,也即人文艺术越俎代庖地指导科学实践,就是一种错误的作法了。

八、违反上述作法导致的错误作法举例

 在本文的末尾,我们举两个今年发生的有名事件,以阐明违反上述作法会导致怎样的错误。

 “非典”期间,著名科幻作家王晋康先生写了一组文章,阐述自己的“平衡医学观”,并认为“非典”的爆发正是现代医学违反“平衡医学观”而引发的咎由自取现象。王文见网之后,立刻引发了留美生物学博士方舟子及清华大学教授赵南元、网人桔梗等人的抨击。方舟子以自己掌握的专业知识,论证了王晋康“平衡医学观”的荒谬之处;赵南元则重点批评了王晋康越俎代庖的行为。客观地说,王晋康的“平衡医学观”经过他自己的补充和发挥,是一套很有趣味的思想体系。最初,王晋康只是把这种思想体系应用到科幻小说创作中来,只局限在人文艺术的框架里,自然收到了很好的效果。因为那些不以科普为目的的科幻小说的本质是纯文学或通俗文学,科普以外的审美为第一要求,不用来指导实践,所以王晋康在小说中写这样的观点无可厚非,反而使他的小说因具备思想性而锦上添花。但现在王晋康把他的观点应用到实践层面上,意欲指导科学,从科学实践的角度来说,不管王是不是意识到这一点,都是犯了以伪相信为真相信的错误。

 又如中国科技大学校长朱清时在接受别人访谈时,称自己相信西藏喇嘛可以用内功融化披在身上的冰毯上的冰。这种相信对科学实践来说也只是一种伪相信。因为他所相信的事物,在没有外界不可抗力的作用下,足以被证明是一个不可能事件;即使在有外界不可抗力(如外星人之类)的作用下,也只能是一个小概率事件。如果真是外星人所致,前面已经分析,外星人和地球人打交道的概率不超过10^(-6),而外星人帮助喇嘛融化冰毯,概率只可能更低。这种小概率事件对于指导科学实践已经没有意义。但是朱院士在访谈中侈谈科学和哲学,并且以确凿的语气认为,喇嘛的拙火“就是科学”,这种认识显然也犯了以伪相信为真相信的错误,是伪相信性质的人文式相信在越俎代庖指导科学,所以是应当受批判的言论。公开发表这种言论,更是与朱清时的院士和科技大学校长身份不相匹配的。

 我想那些赞同王晋康或朱清时的人们,也应该慎重地考虑自己对这个

问题的认识是不是太简单。

生命起源进化的高概率事件:统计(生物)化学

摘要:生命的起源和自然进化有他自己的生命动力学--非线性动力学,他是有较高概率或较高条件概率的易发生事件,是信息进化,统计生物化学的结果,它有别于传统进化论的低概事件. 

     从生物和非生物事件发生概率的角度看,传统的生物起源和进化观点都认为,生命的出现或创生是与无生命的物理事件雷同的等概率或低概率事件[1],P→0,或P=0,即生命的起源或进化是自然界中无数可能发生的事件(或组合)中极少或根本不可能发生的极低概率事件(或组合),P≈0?但从物理、化学(无机化学、有机化学)生物化学、生物等系统的发生、发展、演化的过程(进程)看,其各系统中特有事件发生的概率是逐渐增高的,并且有极高的专一性、特异性.从最初的经典物理--热力学、分子物理学的等概(均匀、均衡、一种几率、能量均分原理)事件,到量子物理的量子化(间断,分立)的概率分布----高低概率事件的混合;从统计物理学的"全同粒子的不可分辨性原理",到化学、生化、生物系统中实际存在的"非全同粒子的可分辨性(原理)"----"统计化学、统计生物化学、统计生物学",与非线性动力学--混沌学、分形学的间断、不连续、不等概率事件才是生物从无序、无生命的"东西(死物)"进化为有序、有生命的生物,及丰富的自然生物种群的机制!它是达尔文进化论的拓展,也是"信息进化"的新途径和轨迹. 

    化学、生化、生物系统及统计(生物)化学是大大有别于物理系统或统计物理的,常有特殊高概率事件(化学反应,化学变化,Pch—×→0,即Pch≠0,Pch→a)发生的非物理、非等概事件的系统.(平庸的)物理变化、物理性反应中的质点或粒子常是(假设)无差别的.各粒子间的相互作用也是等同、无优先次序、无选择性的等概、同级、遍历或各态历经、"无智能"的均匀系统:无特殊事件--各事件都是均等的无差异共性事件(非线性有序物理过程除外).而化学、生化、生物界确到处充满了特殊事件(有差异事件)--个性事件"化学反应".生化、生物系统中的"质点、粒子"是有差别、不等同、有优先次序、有选择、有识别、非等概、多级、多层次、间断、跳跃、"有智能"、"不均匀"的系统或事件元、组的集合.

    1.物理事件的概率说 

    物理系统中,系统处于第i种状态的概率(几率)Pi和物理量M取值Mi的几率是一致的.如果N是测量M的总次数--微观状态总数或粒子总数,ni是测量中发现M取Mi的次数或第i种状态下的微观状态数或粒子数,则

    Pi = lim (ni/N)

        N→∞ 

   对于状态是连续变化的系统,量M从M到M+dM范围中的值的概率是 

    dP(M)=ρ(M)dM                                                    

式中ρ(M)是概率密度或概率分布函数。有平均概率Pi和平均状态或平均粒子数ni,及信息(状态)守恒或不灭律. 

    在经典统计物理中遵从"能量均分原理",Pi基本与平均概率Pi一致,即Pi=Pi.对量子统计有"准经典的近似"方法,相空间中粒子数的分布函数,及最可几分布问题(函数,概率).多用平均粒子数ni表示.

     2.化学事件的概率:"统计化学"的起源 

    对于可逆的化学反应系统: 

   A+B←→C+D

两两"粒子"间的碰撞(反应)总数共有N=42=16种.其中,粒子A与A、B与B、C与C、D与D、A与C、B与D间的碰撞(反应)与物理系统类似,不发生化学反应,算无差别、无差异的同一或等同状态,即每一对碰撞的物理状态数Nph=1=NAA=NBB=NAC=...,产生物理碰撞的概率Pph=Nph/N=1/16=0.0625,及Pp=12/16=3/4=0.75,但是,它们发生化学反应的概率是Ppc=Npc/N=0/16=0;而A与B、C与D不同于物理碰撞,可发生化学反应,并且比A-A、B-B、C-C、D-D等间的作用更优先、更强烈,且具有选择性、高亲合力和针对性(特异性).其A+B或C+D的化学碰撞--反应的状态数各为2=NAB=NCD,合并的化学状态数Nch=4,故此系统发生化学反应(碰撞)的概率为 

     Pch=Nch/N=4/16=1/4=0.25, PAB=PCD=2/16=1/8=0.125

显然,化学反应的机会较不发生化学反应的机会(物理碰撞-无化学-特殊反应或有差异的变化)大许多,Pch>Pph、PAB=2Pph、Pch>>Ppc=0.显示了化学(信息)是比物理学的进化程度更高的系统(机会、概率增加);化学合成、分解反应是较物理过程为高的概率事件---有偏概率,或有较高的条件概率。 

     3.生物化学事件的概率:"统计生物化学"

    在生物化学系统中,生化反应可有:

    ∑Ai=∑Bj,        (i=1,2,...,m;j=1,2,...,n.m=n或m≠n)

若生化、化学反应与物理状态的总微观状态数是N=Nph+Nbio(信息守恒律[2]),生化、化学反应的微观状态数Nbio=∑NAi+∑NBj;显然,物理碰撞发生化学或生化反应或向生命(人工机器人除外)进化的概率为Pphch=0,则发生化学、生化反应状态的概率

    Pbio=Nbio/N=∑Pbioi=∑Nbioi/N

    Pbioi=Nbioi/N,  Pbio+Pph=1

Pbio>>Pphch=0,生化反应过程的概率高于普通物理过程的概率,就象DNA中互补的碱基对腺嘌呤A-胸腺嘧啶T、鸟嘌呤G-胞嘧啶C优先(高概率、概率权重高)结合拷贝复制,碱基对又与相对应的蛋白质-氨基酸优先(高概率、非等概)结合组装蛋白;及其它的生化反应和生化循环等.生物、生化反应的"较高概率事件"或条件概率--信息进化(Pch、Pbio↑;Pbio≠0、Pbio-/→0)、信息统计,才是生命起源和生物进化的关键机制和动因.

     4.生物、生命事件的概率--分形分维 

   生物化学是生命,生物学存在的基础.生化反应的历程、轨迹、路程,不是遍历无缝隙、连续的,就象公路、河流、血管(高概率的通道路径,与不完全充满或占有二维平面的部分面积的低概率的通道周边田野的混合。“……走的人多了,就形成了路”);也有她自己最可几的起源、进化,生成、生长的固定路线、程序或概率分布(规律),和她自己固定的自然演化的轨迹、路线和方式,如非线性动力学(方程):DNA的复制:N=2N(N=1,2,3,...m),细胞分裂;生物的繁衍,生物种群分类(分类树,类别:种、属,、门、纲),人口,种群的消长:Xn+1=μXn(1-Xn)--非线性、混沌、分叉、分形、分维等.其(化学、生化、生命起源、进化机制的)非线性动力学的概率分布函数或统计分布函数有

    P(Xi)=F(xi)

    对离散随机生命变量

    P(X1  

    对连续随机的生物(生化,信息)变量

                X1

    P(X1<ξ 

                X2

ρ(x)是分布密度.总∑P(xi)=1,∑ni=N,信息(状态)守恒不灭定律[2].生命起源进化的非线性动力学轨迹,其填充度是非全满的--不会填满全部的可能性空间,机会(概率Pi)不均等,有高概率事件(有利进化事件)和低概率事件之分.她的分形维数:信息(概率)维数等常有非整数,分数维数,及非等概特征Pi≠Pj.他们趋向演化进化(有序,轨迹线上)的概率高于非演化(无序,平衡态,线外--田野)的概率.生物起源与进化正是在这较高概率(线)条件下的非线性"信息进化"才有可能"自然"形成有序生命,并"战胜,克服"无序熵增倾向,建立了有序,丰富的生物种群和多彩世界. 

    生命起源和进化遵从它自己的内在规律性或生命的动力学(非线性),就象物理,化学等自然现象一样有同源性,即"非线性动力学--混沌,分形论"的机制.其生命起源进化的非线性非一维的决定论确定性动力学公式中蕴含着(不均衡)随机性--不确定性,而复杂"不确定""随机性"的生命活动中又潜含着决定论的确定性:奇怪吸引子(吸引点,线,面,体),"无形的手";排斥子.生命有它自己的非线性(非一维,非二维,非三维性)的发展进化路径,轨迹.在这轨迹(线)上的事件发生或保留的概率就高,线外的事件发生或存活的概率就低. 

    无生命的物理,化学世界中广泛存在着类似生命进化的有序分形的形态发生,有规律的分形生长、随机行走、全息自相似的复制、凝聚、结晶等.无生命、无智能的煤灰、粉尘也能有"规则"漂亮的分形凝聚,即有一个凝聚中心(种子、元胞、分形元、分形子)点的"粒子-粒子凝聚(PPA,PARTICLE-PARTICLE AGGREGATION)模型",又叫"扩散-限制凝聚(DLA)模型";和多中心点(起点、起源)的"集团-集团凝聚模型(CCA,CLUSTER-CLUSTER AGGREGATION)",又称"动力学集团凝聚模型(KCA)".生命的起源和进化也与上述无生命单组份尘粒的有序单层次的物理凝聚类似,但他们是复杂性更高,组份和层次更多的化学-物理混合,复合型的"点(粒子)-集凝聚(PCA)和分形生长(模型)".从无生命的尘埃粒子可以粘附聚集("吸纳吃饭")、解聚(排泄)、"复制、代谢"成有序(无生命)形态的功能结构和分界--壁、膜的前身;无生命的"生命分子"--点也能PPA1凝聚合成-分解,复制,代谢生成有序有功用的分形"生命前组元(组合,集合)";许多"生命前组元"--集团又非线性的CCA1聚合-分解、复制、代谢长成"生命初体",进而PCA1或CCA2成"生命基本单位(细胞)"和壁或膜(生命分界),直到生命细胞再多层次的PCAn或CCAn生长自造出更高的有序全息的"生命单元",如人.无生命的质点的简单的初始功能单元,如结合-分解,和细胞中功能分化的各种细胞器,如吸收-消化、信息、产能等单元,与人的更高度分工的组织、器官、系统,有着从小到大,从低级到高级的自相似、准全息的对应--分形关系:高概率的对应关系.生命的发生、发展,起源、进化走着一条"上帝(自然原动力的非线性动力学的法则.看不见的妖)"制定的较高概率的发生.发展、生长变化的优化、优势的优选途径--生命起源进化的新假说:(高概率的非一维--非线性的生命动力学起源进化模型)

posted @ 2008-06-12 21:00 小强摩羯座 阅读(339) | 评论 (0)编辑 收藏

出乎意料的人生三问

上课钟响了,班主任来了,但他并没有带书。站在台上半天没有出声,同学们一边笑一边诧异地望着他。

 老师扫视着同学:“这节课我们来讨论三个问题。”他问道:“世界上第一高峰是哪座山?”大家哄堂大笑地回答:“珠穆朗玛峰!”老师接着追问:“第二高峰呢?”这下同学们面面相觑,无人应声,老师转过身,在黑板上写下一句话:屈居第二与默默无闻毫无区别。

 老师顿了顿,说:“好了,下面我们来看第二问题。有个人烧壶开水,可是等他生好火才发现柴火可能不够,他该怎么办?”同学们议论纷纷,但意见都趋同于赶快去找柴火,或说去借,或说去买。可老师都不置可否,他说:“为什么不把茶壶里的水倒掉一些呢?”同学们一听,一片佩服声。

 接下来,老师又说出了第三个问题:“我国古代有一个人,想学好一门立身的本领。他曾经反复的比较,决心去学屠龙之技。于是,他拜名师,日夜苦练,终于有所成。大家说他会怎么样呢?”同学们兴致勃勃,说他肯定能成为英雄、明星,受世人崇拜。有的还旁征博引。老师越听越摇头,他说:“这个人一定会穷苦潦倒一生,因为世上根本就没有龙。”

 经过老师一节课的循循善诱,大家终于明白,原来这节课老师要告诉我们的是做人、做事、做学问的道理。那就是做人要力求出色,勇争第一,这样别人才能发现你、记住你;做事要敢于创新,方法灵活,千万不可墨守成规;做学问要学以致用,能将知识转化效益,闭门造车是没有出路的。

 的确,这节课,让我们所有的人受益终生。

posted @ 2008-06-12 20:43 小强摩羯座 阅读(201) | 评论 (0)编辑 收藏

大学上概率论课,我就很纳闷:这1%的概率和99%的概率有区别吗?

打一个比方:有四张彩票供三个人抽取,其中只有一张彩票有奖。第一个人去抽,他的中奖概率是25%,结果没抽到。第二个人看了,心里有些踏实了,他中奖的概率是33%,可结果他也没抽到。第三个人心里此时乐开了花,一来其他的人都失败了,觉得自己很幸运。二来自己中奖的机率高达50%。可结果他同样没中奖。由此看来,概率的大小只是在效果上有所不同,很大的概率给人的安慰感更为强烈。但在实质上却没有区别,每个人中奖的概率都是50%,即中奖与不中奖。

同样的道理,对于个人而言,在生活中要成功做好一件事的概率是没有大小之分的,只有成功或失败之分。但这概率的大小却很能影响人做事的心态。


人们常说:“希望越大,失望越大”,此话并不无道理。希望越大,成功的概率就越大,由此而麻痹了人的心态——以为如此大的概率也是自己能够成功的筹码,这样在思想和行为上就会有所懈怠。自以为十拿九稳的事,到头来却把事情弄砸了。这并不奇怪,因为所谓的“概率大”已逐渐由“希望”转移到“失望”上面了。一说到把这件事做好的概率微乎其微,做事的人难免心灰意冷,因为觉得机会渺茫。因此而丧失了克服困难的意志,觉得事情做不好那是理所当然。

如果说概率有大小之分,那应该不是针对个体而言,而是从一个群体出发,因为不同的人有不同的信念,有不同的做事方法。把地球给撬起来,这在大多数人眼里是绝对不可能的。但在牛人亚里士多德眼里,他觉得成功做这事的概率那是100%——绝对没问题,只要你给他一个支点和足够长的杠杆。就像前面提到的抽奖一样,25%、33%和50%这些概率只不过是外界针对这个群体给出的。25%的机率同样能中奖,50%的机率也会不中奖,对于抽奖者个人而言,没有概率大小之分,只有中与不中之分。别人说做这件事相当容易,切莫掉以轻心,也许你做这件事会相当困难。大家都说做这件事相当困难,切莫心灰意冷,也许你做这件事能如鱼得水。成功与否,不在概率大小,而在于自己能否清楚地认识自己:容易的事自己是否具有做这件事必备的素质,困难的事自己是否有克服这个困难的潜质。

总之,在自己没做一件事之前,不要在外界评价的“容易”和“困难”之间对号入座。要对自己有个清楚的认识,不要膨胀了“自信”,更不要埋没了自己的“潜质”。不要被“绝对有希望”所蒙蔽,也不要被“希望渺茫”所打垮。记住:生活中的概率有且仅有一个数值,那就是50%。

posted @ 2008-06-12 20:27 小强摩羯座 阅读(372) | 评论 (0)编辑 收藏

仅列出标题
共20页: First 上一页 9 10 11 12 13 14 15 16 17 下一页 Last