ответы математика 2017

Теория Игр

Приветствую вас уважаемые пидоры и пидорессы. Последние несколько лет я  активно изучаю и использую на практике раздел математики, который называется "Теория Игр". Научная степень и работа, связанная с сабжем прилагаются. Мне было бы интересно рассказать об этом разделе науки, а быть может и поговорить на отдельные темы, если тут имеются пидоры-коллеги.

Про сабж

История возникновения и всякие первенства в формулировании основных принципов - отдельный срач. Однако где-то в районе середины 20го века в этом направлении было сделано довольно много, что бы сформулировать основные постуулаты и законы. В дальнейшем их развивали и допиливали, но главное в том, что ТИ начала давать практические результаты и ей занялись всерьёз.

Тут важно сразу отметить следующее: в английском языке слово "game" имеент очень широкое значение. Game Theory - это не столько про игры, сколько про "состязания" или "борьбу". Вахаёбы, Дюнаёбы и историки Первой Мировой могли слышать  выражение "Big Game" - великие противостояние. Таким образом "Теория Игр" - это математическая теория, которая моделирует стратегические противостояния. Моделирует - значит создаёт некие модели, которые могут предсказать события, найти компромисы или оптимальную стратегию в противостоянии. Пример: одна из Нобелевок (ха-ха я в курсе, что это на самом деле не Нобелевка) ушла за обоснованый выбор лучшего формата аукционов. Аукцион второй цены - лучший способ распределить ресурсы тем, кому они действительно нужны, по справедливой цене. Однако игры оооочень часто используют что бы объяснить какие-то закономерности на простом примере. По этой причине часто возникают занятные срачи, в которых десяток профессоров с мировым именем срутся из-за детской игры.

Частоупоминаемые подразделы сабжа

War Games - моделирование военных конфликтов и противостояний.
Business War Games - схожая область применения, моделирующая противостояния в бизнесе.Кооперативная теория игр - моделирование взаимодействий, где нужно договариваться и достигать общих целей.Некооперативная теория игр (теория игр с нулевой суммой) - на самом деле самый старый раздел, который моделирует стратегические противостояния.
Биологическая (эволюционная) теория игр - использование механизмов теории игр для объяснения процессов эволюции, поведения животных и прочих штук, интересных биологам.

Собственно в чём идея. Для ситуации, где 2 и больше персонажа хотят одного и того же, мы можем выписать возможные стратегии персонажей. Для каждой стратегии мы можем определить затраты. Для каждого сочетания стратегий персонажей мы можем определить что получит каждый из персонажей. Собственно уже тут можно сказать какая стратегия лучше (минимум затрат, максимум результата). Теория Игр на минималках - это фреймворк для аккуратного выписывания всех стратегий и результатов, а в последствии их сравнения. Сабж даёт возможность поотбрасывать туеву хучу вариантов развития событий при помощи простых расчётов. Вместо сложных конструкций типа "если то сделает это, то вот тот сделает то и потом они все получат..." мы получаем что-то типа 5 < 6, 6 < 17 ну или типа того... Выглядит не очень сложно, но если учесть, что возможных исходов может быть до чёрта, то способ отбрасывать их пачками с помощью расчётов - это прям хорошо. В таком виде ТИ ехала до прихода психо-няшки Нэша, который понял, что в этом бардаке стратегий и результатов ооочень часто есть равновесное положение, в котором каждый из участников будет применять одну единственную стратегию, потому что всё остальное просто работает хуже. Нэш не просто понял это, а выкатил простенький мат аппарат, который позволял это считать. Опять же вроде просто, но оказалось, что:
если ты считаешь быстрее, чем участники дуплятся, то ты натурально можешь предсказать будущее;
в ряде случаев то самое равновесие не очевидно для учасников;
ты можешь обосновано предложить учасникам выход из ситуации, а не просто качать права.

Вооружившись равновесием Нэша всякие сложности начали считать ещё быстрее и эффективнее. Один из самых востребованных разделов ТИ - алгоритмы расчётов равновесия для взаимодействий на 100500 человек.

Поблемы сабжа

Основной проблемой сабжа является то, что все допущения делаются на основе постулата о том, что все участники рациональны. В некоторых ситуациях это действительно так. Аукционы, дорожное движение, торговля - это те сферы, где ТИ работает как часы и прогнозы удивительно точны. Однако во многих ситуациях разумные люди начинают вести себя нерационально и всё летит... С другой стороны ТИ очень четко выкупает моменты, когда участники взаимодействий делают нерациональные поступки. Это позволило начать собирать материалы для изучения такого поведения, во многом сформировав поведенческую экономику.

Кроме этого есть ряд моментов, в которых ТИ не совсем работает в плане формирования реального набора стратегий. К этой пачке проблем относится и дея о том, что все соблюдают правила. Одно из новых направлений - ТИ с нарушением правил. Другим сложным аспектом является учет внешних факторов.

Отдельным краеугольным камнем ТИ является информация. Базовая ТИ делает допущение, что у всех участников взаимодействия одинаковая и идеальная информация о взаимодействии и мире вообще. А что если это не так?.. Как будут вести себя учасники и где будет равновесие. Эти вопросы породили отдельное направление, изучающее информационные процесы в стратегических взаимодействиях.

Где это применяется

Да практически везде. Базовые постулаты и инструменты ТИ растащили во многие сферы. Начнем с того, что половина из основопологающих идей писалась для так называемой "Теории принятия решений", а вторая половина используется и там и там. Сабж появился сильно позже и многие вещи существуют как бы в двух теориях одновременно.

Вояки поняли, что можно сильно облегчить анализ боевых действий и предсказывать наиболее вероятные ходы противника. Маркетологи поняли, что маркетинговые стратегии отлично вписываются в мат аппарат ТИ и можно сильно упростить выбр действий. Тут сильно помогла Гугл аналитика и её аналоги, собирая даные про действия пользователей. Социологи разработали множество подходов для прогнозирования поведения масс, используя элементы ТИ. Биологи чё-то прогнозируют с генами и поведением стай (я тут не силён - извините). И многое, многое, многое другое...

Понятие "стратегическое взаимодействие" навсегда стало ассоциироваться с сабжем и даже простая организация даных происходит по правилам ТИ. Фишка в том, что мат аппарат ТИ сильно похож на простую рациональную логику: если я сделаю А, а мой соперник Б, то я получу Х, это более универсально, чем может показаться.

Надеюсь понравилось или было полезным. Задавайте вопросы - постараюсь ответить.

математик Богатов уехал в США

Количественные измерения стадных чуйств

В преддверии замечательного праздника 14 ляляля вопрос "Поддаются ли чуйства количественным измерениям?" может беспокоить ум пытливого реакторчанина. 

Помните, Вождь затеял эксперимент с сокрытием рейтинга комментариев? Для анализа были выбраны 2 месяца - октябрь 2018-го ("до") и январь 2019-го ("после"). Январь закончился, созрели результаты эксперимента по измерению стадных чуйств.

Если цифры утомительны, можно сразу перейти к подразделу "Короче".

Общая статистика

Распределение рейтингов комментариев

Синее - октябрь 18, оранжевое - январь 19. Только по комментам, за которые хоть раз проголосовали.

Также уменьшилось количество сильно заплюсованных комментов, но не так явно.

Влияние первого голоса

1) Какова вероятность того, если коммент заминусован, первая оценка у него была минус?

Рассматриваем срез отрицательных комментов, а конкретно сколько из них получили первую оценку минус.

Возьмем данные по отрицательным комментам с количеством голосов больше 1 и применим теорему Байеса (не пользы ради, а потому что математики дрочат на теорему Байеса).

A - коммент заминусован

B - первый голос за коммент - минус

P(B|A) мы выяснили в предыдущем вопросе - это 62.6% и 52.4% соотвественно (берем срез отрицательных комментов с кол-вом голосов больше 1).

P(A) = кол-во отрицательных комментов с числом оценок >1 / кол-во комментов с числом оценок >1.

P(B) = кол-во комментов с первой оценкой минус с числом оценок >1 / кол-во комментов с числом оценок >1.

P(A|B) = P(B|A)*P(A)/P(B) - теорема Байеса

3) Какова вероятность того, что если первый голос - минус, то второй голос тоже минус? 

Берем данные по всем комментам, у которых более одной оценки. 

Вообще, вероятность того, что какой-то абстрактный голос - минус, осталась прежней - 16% (количество минусов делим на общее количество голосов). Удивительно стабильная цифра. Вероятность того, что первый голос у коммента минус - 21% (см. предыдущий пункт, P(B)).

Но в случае, если первый голос - минус, вероятность второго минуса явно выше, потому что коммент с бОльшей вероятностью говно.

Короче - результаты эксперимента

Рейтинг коммента скрывается, пока его величина не станет меньше -3 или больше 3. Результаты:

1) Кол-во сильно и средне заминусованных комментов с оценкой меньше -3 сократилось примерно в 2 раза.

2) Вероятность того, что если первый, но не единственный голос за коммент - минус, то коммент в итоге будет заминусован, упала на 5.6% - с 68.4% до 62.8%.

Казалось бы, 5-6% разницы фигня, но если 5 комментов из 100 уходили в большИе или бОльшие минуса из-за стадных чувств, то это неприятно.

3) Вероятность того, что если первый голос - минус, то и второй голос за коммент - минус, упала на 18.2% с 55.8% до 37.6%.

То есть до этого пользователи на 18% больше следовали за первым минусом и повторяли его.

Такие дела, товарищи.

Итоги эвента. А знают ли они, что ты знаешь, что они знают, что ты знаешь...

В 1997 году американский поведенческий экономист Ричард Талер провел эксперимент в газете Financial Times под названием "Игра на угадывание". 

Угадайте число! Читатели газеты выбирают любое целое число от 0 до 100. Победителем становится тот, чье число ближе всех к 2/3 от среднего арифметического всех чисел, участвующих в конкурсе.

Газета Financial Times получила более 1000 заявок в ходе эксперимента. Заявки с числом 33 стали самыми частыми, на втором месте было число 22. 

Выше 67 результат получиться в принципе не может (округляем 2/3*100). Однако в газету все равно присылали числа больше 67. Возможно, участники не поняли задания, или действовали эмоционально, а не рационально.

Другие попытались действовать рационально и предугадать, что будут делать остальные участники. Если каждый выберет случайное число от 0 до 100, то среднее арифметическое будет 50. 2/3*50 округляем до 33. Но остальные посчитают так же, поэтому выберут 33. Тогда надо брать 2/3 от 33, что равно 22. Но остальные посчитают так же, поэтому выберут 22. Тогда надо брать 2/3 от 22, что равно 15...

Это рассуждение можно повторять, пока все не скатится в 0 или в 1. Если все выберут 0 или 1, зная, что все знают, что другие тоже выбирают эти числа, то все выиграют.

Но не рационально предполагать, что все остальные рациональны. В эксперименте Financial Times средним арифметическим было число 19, поэтому победило число 13. 

А на реакторе что?

Количество принятых ответов (с целыми числами от 0 до 100): 18930, количество всех ответов 19774.

На реакторе среднее арифметическое всех принятых ответов 38.96, побеждает число 26.

Снизу картинка с количеством ответов по каждому числу.

У нас тоже полно тех, кто выбрал заведомо проигрышные числа более 67. 

Большая часть выбрали 50 - наверно, забыли, что от среднего арифметического надо взять 2/3.

Второе по популярности число 33, потому что это 2/3 от среднего арифметического всех чисел от 0 до 100.

Видны пики на любимых числах реакторчан - 42 и 69.

Кто-то пытался победить и разгадать поведение остальных, а кто-то выбирал сердцем. Текущее исследование показало смешение этих подходов в результатах.

Любимые числа

Алекс Беллос в своей книге "Красота в квадрате" посвящает теме эмоционального отношения к числам большую интересную главу. Вот выдержка оттуда:

Наши симпатии по отношению к числам подчиняются четкой закономерности, что прекрасно видно на теплокарте, где числа от 1 до 100 представлены квадратами. (В верхнем ряду квадратов сетки находятся числа от 1 до 10, во втором ряду — от 11 до 20 и т. д.) Черными квадратами обозначены числа, получившие наибольшее количество голосов (первые двадцать позиций в рейтинге); белыми — «самые нелюбимые» числа (последние двадцать позиций в рейтинге); числа с промежуточными результатами представлены квадратами разных оттенков серого.

Надо учитывать, что если просить людей выбирать случайное число от 0 до 100, среднее арифметическое будет ниже 50 - числа в первых трех десятках более любимы.

А теперь срезы данных по реакторчанам

Почему реакторчанин выбирал число, большее 33? Там и нерациональное поведение в виде любимого числа 69, и нечитанное условие задачи (среднее арифметическое посчитали, на 2/3 умножить забыли). Назовем этих людей самыми нерациональными на реакторе.

Ну-ка, ну-ка, в каких категориях таких больше всего?

Среднее арифметическое по годам регистрации

Видно возрастание нерационального поведения в 2018 и 2019 годах регистрации.

Среднее арифметическое по подпискам на блоги - самое высокое среднее арифметическое

Самое нерациональное поведение в двух первых тегах. 69?

Среднее арифметическое по подпискам на блоги - самое низкое среднее арифметическое

Относительно небольшое значение может быть объяснено рациональными и нерациональными причинами. Так что по этой таблице выводы о подписчиках делать скорее не стоит.

Медальки мероприятия

122 реакторчанина, выбравшие число 26, получат памятную медальку с этим номером.

844 реакторчан, которые не справились с заданием Вождя и вводили в окошко для целых чисел от 0 до 100 что-то в духе длины своего хуя в нанометрах с указанием единицы измерения или всякие буковки вместо циферок, получат медальку с солнышком. Они солнечные дети и требуют особого отношения.

Сделал не сам, честно спиздил из инстаграмма Пушного Александра Борисовича.

Сколько веревочке ни виться, а конец будет

Наконец готовы результаты нашего конкурса и вся связанная с ними статистика.

Главным призом - всеми медальками ikari и одной звездочкой - награждается ведьма Агата за самое необычное использование реактора. Также большие молодцы Даня, олдфажный динозавр и некоторые другие товарищи, часть из которых будут ниже в рубрике "Цитаты замечательных людей".

Спасибо всем, кто не поленился и высказал мнение!

Ах да, чуть не забыли про икари. Ему мы выдали все медальки реактора (их сейчас 1147 штук, без одной особенной). Теперь он обладает всеми медальными сокровищами реактора и по расчетам Вождя вскоре должен дойти до полнейшего катарсиса.

И обещанная инфорграфика

----------------------------------------------------------------------------------

Mercy Brown – Codependent (2017); USA