格格党

手机浏览器扫描二维码访问

第八章 适应纷繁复杂的信息社会的更新机制（第3页）

因此，如果想详细了解贝叶斯定理，请参照其他图书。

面对信息不够精确的情况应该如何处理呢？

根据上述条件概率实施的更新，是一种非常标准的思维方式。

但是，使用条件概率也有比较多的限制，只有在精确了解信息结构的情况下才可以使用条件概率。

然而，这种情况一般只会发生在数学领域，日常生活中很难遇到如掷骰子、掷硬币、抽卡片等符合数学要求的不确定现象。

可以说，在这些现象中，没有任何受环境影响的模糊性因素。

日常生活中的不确定现象往往难以具备像掷骰子、掷硬币和抽卡片那样明确的结构，必须在不精确的结构中进行推理。

邓普斯特是正面对待推理结构的不精确性，并深入研究是否可以在这种状态下对概率进行预测的早期学者之一。

针对产生不确定性的结构，邓普斯特认为不一定要极为精确地了解每一个因素，并提出了针对不确定信息状况的模型化方法。

这些来自20世纪60年代的论文，是对第二章中提到的基于概率的思维方式，也就是针对状态的集合分布数值的方法论进行若干变更后的内容。

比如，遥控飞机起飞后，在某个视线所不及的地方坠毁。

我们可以用数字1～100对它坠毁的区域用编号进行划分。

也就是说，我们能够确定的只是这架遥控飞机肯定坠落在100个区域中的某个区域内。

在这种情况下，假设我们关注的焦点是这架遥控飞机究竟是坠落在陆地上，还是坠落在水中。

我们用事件“陆”

来表示“坠落在陆地上”

，用事件“水”

来表示“坠落在水中”

。

如果可以明确区分100个区域究竟是在陆地还是水面，那么事情就简单了，只要通过概率模型就可以完成计算。

比如当40个区域是陆地，60个区域是水面时，可以判断出现“陆”

这一事件的概率是0.4，出现“水”

这一事件的概率是0.6。

邓普斯特真正关注的是无法进行精准分类的情况。

比如，在上述100个区域中，有30个是陆地，有60个是水面，但是无法判断剩余的10个区域到底是陆地还是水面的情况。

也就是说，必须按照下述对应关系考虑状态的情况：

区域1～30→“陆地”

；

区域31～90→“水面”

；

区域91～100→“陆地、水面”

。

在三组区域中，最后的那组“对应多种不同的情况”

，呈现出了“结构的不确定性”

，这与标准的概率模型之间存在本质差异。

邓普斯特的上限概率和下限概率

在这种由于对应多种可能性导致结构不精确的情况下，邓普斯特的推理方法具体如下所示。

这种方法并不晦涩难懂，是一种非常自然的思维方式。

首先，最保守地预测“坠落在陆地上”