Нейт Сильвер

Сигнал и шум. Почему одни прогнозы сбываются, а другие — нет

Мы считаем, что наш мир во многом логичен и предсказуем, а потому делаем прогнозы, высчитываем вероятность землетрясений, эпидемий, экономических кризисов, пытаемся угадать результаты торгов на бирже и спортивных матчей. В этом безбрежном океане данных важно уметь правильно распознать настоящий сигнал и не отвлекаться на бесполезный информационный шум. О том, как этому научиться, рассказывает Нейт Сильвер, политический визионер и гуру статистики, разработавший систему прогнозов, позволившую дважды максимально точно предсказать результаты президентских выборов почти во всех штатах Америки. Его книга во многом близка исследованиям Нассима Талеба и столь же значима для всех, кто имеет дело с большими объемами данных и просчитывает различные варианты развития событий. И если Талеб говорит о законах зарождения «черных лебедей», Сильвер исследует модели и способы, позволяющие поймать этих птиц в расставленные нами сети. Он обобщает опыт экспертов-практиков, изучает различные модели и подходы, позволяющие делать более точные прогнозы. Как и Даниэль Канеман, автор бестселлера «Думай медленно… Решай быстро», наблюдая за поведением и мышлением людей, оценивающих неопределенные события, Сильвер утверждает: да, компьютеры незаменимы при работе с огромными массивами данных, но для максимальной точности результатов необходим гибкий человеческий ум и опыт, ведь прогнозирование — это планирование в условиях неопределенности.
888 printed pages

Impressions

    Ludmila Ivanichkinashared an impression4 years ago
    💡Learnt A Lot
    🎯Worthwhile
    💤Borrrriiinnng!

    Книга оставляет неоднозначное впечатление. С одной стороны, автор действительно глубоко изучил материал и дал обзор метод и успешности прогнозов в разных областях человеской деятельности, начиная от экономики и заканчивая климатологией. С другой стороны, в техническом отношении книга не предлагает ничего оригинального и рассказывает о вещах, знакомых каждому, кто прослушал университетский курс статистики - overfitting, теорема байеса, корреляция в данных в отсутствие причино-следственной связи, а также о широко известных философских концепциях типа стремления к объективной истине и скептическом восприятии текущих теорий.

    bessonchik556shared an impression6 years ago
    🎯Worthwhile

    Книга далась нелегко, но она стоит того. Личный опыт работы на рынке ценных бумаг, привел к полному разочарованию в аналитике. А эта книга дает новые ключи к выработке решений. Талеба, упомянутого в рецензии, читать сложнее, да и ничего делать после прочтения ничего не хочется. Здесь другое...

    Nina Bortnykshared an impression5 years ago
    👍Worth reading
    🔮Hidden Depths
    🎯Worthwhile

    Книгу конечно читать тяжело из-за щепетильного подхода автора к деталям. У меня, если учесть все перерывы, на неё ушло около пяти месяцеы. Но это скорее признак потрясающего качества: столько сносок и уточнений, ссылок на источники я не видела ни в одном популярном издании. Книга рекомендована каждому, кто интересуется тем, как устроена реальность.

Quotes

    Воваhas quoted6 years ago
    Я знаю, что это клише, однако, когда у вас появляется свой ребенок, вы начинаете понимать, что и каждый человек вокруг вас — это тоже чей-то ребенок. И это — совершенно иной взгляд на людей. Пока вы растете, то воспринимаете всех этих людей как персонажей телешоу или видеоигр или героев на бейсбольных карточках — вы даже не задумываетесь, что все они — люди, которые делают лучшее из того, на что способны
    Кирилл Макаренкоhas quoted5 years ago
    Обладая слишком большим объемом информации, мы инстинктивно склонны относиться к ней избирательно, отбирать то, что нам нравится, и игнорировать все остальное, превращая в союзников тех, кто разделяет наше мнение, и относясь ко всем остальным как к врагам.
    Воваhas quoted6 years ago
    «Когда меняются факты, меняется и мое мнение, — говорил знаменитый экономист Джон Мейнард Кейнс. — А у вас разве не так, сэр?»

On the bookshelves

fb2epub
Drag & drop your files (not more than 5 at once)