<深入浅出数据分析>之⑦主观概率及修正

问题：分析师们对公司投资方向的分析出现严重分歧，如何解决分歧、确定决策方向？

主要内容：主观概率、标准偏差、贝叶斯规则

1、找出分歧问题及分析师对这些问题分别的看法

分歧的主要问题：

①俄罗斯下一季是否会补贴石油业？

②俄罗斯是否会收购欧航航空公司？

③越南今年是否会减税？

④越南今年是否会鼓励外国投资？

⑤印尼旅游业今年是否会翻身？

他们对以上问题的可能性看法：

可能，极不可能，可能性更大，有可能，不可能……

2、如何让他们的可能性用词更精确，方便分析？

采用主观概率，即用一个数字形式的概率来表示对某事的确认程度。

（特别适合：在预测孤立事件却缺乏从前在相同条件下发生过的事件的可靠数据的情况下。）

列出表格，让每位分析师填写他们对以上主要问题的数字看法

主观看法数据化

由此得出了数字化的判断数值，制作散点图：

主观概率散点图

3、上述图像可以看出哪些问题分歧较大、哪些几乎达成一致，但如何对分歧程度进行排序呢？

“标准化偏差”（量度分析点与平均值的偏差）：标准偏差越大表明值分布越分散、差异越大。在此案例中，则表明分析师们对当前问题的分歧越大。

= STDEV（数据范围）

计算标准化偏差

就问题1，所有分析师的看法一致认为“俄罗斯下一季会继续补贴石油业”。如此，公司确认投资方向！

没过多久，俄罗斯总统在新闻发布会上表示“我们对石油行业已经失去信心，对开采资源不再感兴趣，将出售所有油田”，噩耗！

但，俄罗斯真会这样做么？这会不会只是他们的一种策略，实际上他们可能根本不会出售油田？

4、怎么处理获得的新信息呢？

贝叶斯规则是修正主观概率的好办法。

新信息E：俄罗斯宣布将卖出油田

待修订的假设：S1（俄罗斯下一季将继续补贴石油业）、~S1（ 俄罗斯下一季将不再继续补贴石油业 ）

已有主观概率：P(S1)，可以同时计算出P(~S1)=1-P(S1)   

需要收集：在S1的情况下出现E的主观概率P(E|S1)、在~S1的情况下出现E的主观概率P(E|~S1)

需要计算：在E的条件下出现S1的主观概率，即P(S1|E)

公式：P(S1|E) =  ① / ②

①= P(S1) *P(E|S1) 

②=P(S1) *P(E|S1) +P(~S1) *P(E|~S1) 

修订已有主观概率

对上述数据做散点图分析，得出如下结论：

修正前后结果对比

公司决定坚定俄罗斯投资计划，时间证明了以上分析的正确性。

时间验证了结果

                                                                                    截图来自原书