数据分析-信念数字化

eg：分析公司各分析师对各个地方的投资预估分歧。

数字化：将分析师口中发“可能，大概，很可能”这些模糊的字眼变成“30%、50%”等具体数字。

主观概率：以一个数字形式的概率来表示自己对某事的确认程度。

       目的：分析“真正的分歧”是否存在，比词语更有说服力。

标准偏差：典型的分析点与数据集平均值的差距。

       目的：度量“分歧”。标准偏差越大，分歧越大。

       使用EXCEL里面的“=STDEV（数据范围）”

---

eg：所有分析师对“俄罗斯会补贴石油业”的主观概率都在90%。突然出现新闻“俄罗斯宣布打算卖掉油田”。问题：之前的分析是否错误？如何修订？

第一次对于“俄罗斯会支持石油业”的主观概率分布图

由于主观概率只是分析师的“直觉”，并没有正确率的保证，因此当出现与主观概率相悖的新信息时，需要一种分析工具来修订——贝叶斯法则。

使用贝叶斯法则求主观概率的根本在于找出在假设成立的条件下，证据出现的概率。式中，H代表假设（或基本概率），E代表新证据。新的！

eg：即求：P(S1|E)俄罗斯宣布他们出卖油田”（E）的情况下，“俄罗斯将继续支持石油业”的给I率。让每个分析师写出P(E|S1)：在“俄罗斯将继续支持石油业”（S1）“假设条件下，俄罗斯宣布他们出卖油田”（E）的主观概率；P(E|~S1)：在“俄罗斯将不支持石油业”（~S1）“假设条件下，俄罗斯宣布他们出卖油田”（E）的主观概率；来算出P(S1|E)。

在Excel里面计算

对于“俄罗斯支持石油业”新的主观概率图

得到结论——绝大部分分析师还是认为“俄罗斯支持石油业”。不用担心。