Hlubokým kořenem nedorozumění a špatných rozhodnutí v pandemii často není nějaká neznalost nebo nepochopení týkající se covidu, ale obecné problémy v uvažování o riziku a pravděpodobnosti
Zajímavé v tomto kontextu je to, že lidé u jiných srovnatelných rizik problému s očekáváním středního odhadu a ignorování nepravděpodobných velkých škod viditelně nepodléhají. Naopak, u rizik typu terorismu, nebo i kriminality obecně, naopak apokalyptickými vizemi straší vox populi. A koneckonců lze důraz na extrémní nepravděpodobná rizika pozorovat i v otázce rizik vakcinace, často u týchž lidí, kteří samotnou nemoc bagatelizují.
Typický internetový diskutér v debatě o covidu: "Zemřelo jenom 30 tisíc lidí, to je jen 0,3% populace. A u většiny to bylo s covidem spíš než na něj a zemřeli by stejně. Kvůli tomu přece nebudeme nic dělat."
Typický internetový diskutér v debatě o migraci: "Afghánec pobodal ženu! Kolik žen ještě bude muset zemřít, než s tím něco uděláme?"
Úvahy o rizicích jsou pro většinu lidí jen kouřovou clonou racionalizace. Standardem je nejdřív zaujmout postoj ve věci optimálního řešení, a pak vhodným způsobem interpretovat data, aby se ten postoj obhájil. To je bohužel hlavní problém těhle debat.
S kazdym clankem z oblasti komplexnich systemu lze polemizovat (zakladni pojmy, metody..). O to nejde. Hlavni message je, ze tvurce modelu ma zapeklity zivot a o zabavu postarano na mnoho dekad. Modelova tvorba je nejnarocnejsi fazi systemove tvorby, je jadro systemu (jakehokoliv ridiciho, hodnoticiho, dokumentujiciho, je jedno jestli ekonomickeho, medicinskeho ..). Modelarem se clovek nerodi, ale stava po dlouhe praxi (v ruznych oblastech). A to se napr. v bankach do regulace dostava model risk. Spolehani na autority se v modelove tvorbe nevyplaci, vetsinou pomohou pouze s vecnou problematikou, event. subsystemy. Ostatni je prace analytika, modelare, syst. integratora, testera, interpretera vysledku. Dana oblast je evidentne neprobadana, schazi utrideny pohled, okolni subsystemy, externi a kvalitativni vlivy, kdyz zaklad je syst. a datova analzya, coz myslim obecne je (nejsem zdravotnik, nybrz ekon. fin. modelar - asi tak 40 let prolinane praxe). Je zbytecne ji osazovat zkraje pojmy pravdepodobnost, rizika v samem uvodu, treba se to ubere jinym smerem (pres AI).. V zacatku schazi zde datovy prisun, relevantni data vytridim v databazi, ulozim vyberovy klic, abych je hlavne mohl aktualizovat na bazi zpracovaciho horizontu (ten byva ruzny, napr. od minute tradingu, pres rok u nekterych typu fin. rizik. Cili horizont zpracovani! Aplikuju systemovy pristup, reknu zdali pojedu po hierarchicke ci procesni linii. Model vsadim do hrube vytvoreneho syst ramce. Pokracuju s promenymi, ktere vysosnu z pracovni DtB. Sleduju skaly mereni techto promennych, typy zhruba kardinalni, ordinalni, nominalni. Pro fazi hodnoceni jsou to podstatne veci, urcite je upotrebim, kdyz bbudu delat vicekrit. Pak prejdu k charakteristikam modelu, Planuju vyuziti normativni, deskriptivni. Ted je doba pro pravdepodobnosti, v normativnim cleneni vyuziju subj psti, jinak zname typy stat. pravdepodobnosti (ty me doda napr. MLab, Julia v Linuxu). Mohu ale pocitat se stochastikou (chran buh), heuristickymi typy (tech moc neni). A pak to budu integrovat na statisticke bazi (coz u medicinskych dat jde lip nez v ekonomickych), tady se lze vyradit. Kolem toho je spousta podcinenych deteministickych vypoctu (npr. v ekonomice prevalentnich). Se scenario modely praxi nemam, ale scenarovacimi postupy v ramci modelu ano. Tam si stanovim kriticke promenne a dusim je stress testy. Poohlednu se o metodach (prestupne modelu), ktere bych mohl vyuzit a moc se nezapotit. Dalsi podstatna faze jsou rizika, velmi chabe zastoupena v ekonomice (po strance metodicke), lepe v bank a pojistovnictvi. Mozna by se daly adoptovat postupy z operacnich rizik bank, kde se sleduji data na bazi kategorizace na prumerna a excesivni a pocita se ValueAtRisk. Ale to neni prima analogie a vyzaduje to data 2 typu: frekvence a severita (to lze vysosnout z dat casove clenenych, problem je severita-dopad. Prognosticke (extrapolacni) modely jsou specificke pro urcite oblasti, tady bych je moc netrajboval. Samozrejme napr u vaR modelu se sleduji koincidence propoctenych (ve sledovacim horizontu) a expost namerenych hodnot (ale to neni moc prognosticke). Obecne bych se vyhnul moc schematizujicimuvyjadreni, to aaz mnohem pozdeli. Modelar bude hotov az se jeho dilo objevi v objektech SW zpracovani nekterych (radsi vsech relevantnich) subsystemu. Vzit ciste model a prohlasit ho za univerzum nelze. Je to hlavne o makacce, kecu s kolegy (pokud mozno online), mene o studiu clanku a hledani prislusnych korifeju k dane vecne oblasti (s tim bych se neparal). Obmaknul bych spis firmy, ktere se v oblasti medicinskych dat pohybuji (co sleduji, jak to hodnoti, SW i zelezo na kterem to provozuji. Kdyz na mne nekdo vyrukuje jen s krivkami, tak ho .....
Zajímavé v tomto kontextu je to, že lidé u jiných srovnatelných rizik problému s očekáváním středního odhadu a ignorování nepravděpodobných velkých škod viditelně nepodléhají. Naopak, u rizik typu terorismu, nebo i kriminality obecně, naopak apokalyptickými vizemi straší vox populi. A koneckonců lze důraz na extrémní nepravděpodobná rizika pozorovat i v otázce rizik vakcinace, často u týchž lidí, kteří samotnou nemoc bagatelizují.
Typický internetový diskutér v debatě o covidu: "Zemřelo jenom 30 tisíc lidí, to je jen 0,3% populace. A u většiny to bylo s covidem spíš než na něj a zemřeli by stejně. Kvůli tomu přece nebudeme nic dělat."
Typický internetový diskutér v debatě o migraci: "Afghánec pobodal ženu! Kolik žen ještě bude muset zemřít, než s tím něco uděláme?"
Úvahy o rizicích jsou pro většinu lidí jen kouřovou clonou racionalizace. Standardem je nejdřív zaujmout postoj ve věci optimálního řešení, a pak vhodným způsobem interpretovat data, aby se ten postoj obhájil. To je bohužel hlavní problém těhle debat.
Trochu modelove klasiky:
S kazdym clankem z oblasti komplexnich systemu lze polemizovat (zakladni pojmy, metody..). O to nejde. Hlavni message je, ze tvurce modelu ma zapeklity zivot a o zabavu postarano na mnoho dekad. Modelova tvorba je nejnarocnejsi fazi systemove tvorby, je jadro systemu (jakehokoliv ridiciho, hodnoticiho, dokumentujiciho, je jedno jestli ekonomickeho, medicinskeho ..). Modelarem se clovek nerodi, ale stava po dlouhe praxi (v ruznych oblastech). A to se napr. v bankach do regulace dostava model risk. Spolehani na autority se v modelove tvorbe nevyplaci, vetsinou pomohou pouze s vecnou problematikou, event. subsystemy. Ostatni je prace analytika, modelare, syst. integratora, testera, interpretera vysledku. Dana oblast je evidentne neprobadana, schazi utrideny pohled, okolni subsystemy, externi a kvalitativni vlivy, kdyz zaklad je syst. a datova analzya, coz myslim obecne je (nejsem zdravotnik, nybrz ekon. fin. modelar - asi tak 40 let prolinane praxe). Je zbytecne ji osazovat zkraje pojmy pravdepodobnost, rizika v samem uvodu, treba se to ubere jinym smerem (pres AI).. V zacatku schazi zde datovy prisun, relevantni data vytridim v databazi, ulozim vyberovy klic, abych je hlavne mohl aktualizovat na bazi zpracovaciho horizontu (ten byva ruzny, napr. od minute tradingu, pres rok u nekterych typu fin. rizik. Cili horizont zpracovani! Aplikuju systemovy pristup, reknu zdali pojedu po hierarchicke ci procesni linii. Model vsadim do hrube vytvoreneho syst ramce. Pokracuju s promenymi, ktere vysosnu z pracovni DtB. Sleduju skaly mereni techto promennych, typy zhruba kardinalni, ordinalni, nominalni. Pro fazi hodnoceni jsou to podstatne veci, urcite je upotrebim, kdyz bbudu delat vicekrit. Pak prejdu k charakteristikam modelu, Planuju vyuziti normativni, deskriptivni. Ted je doba pro pravdepodobnosti, v normativnim cleneni vyuziju subj psti, jinak zname typy stat. pravdepodobnosti (ty me doda napr. MLab, Julia v Linuxu). Mohu ale pocitat se stochastikou (chran buh), heuristickymi typy (tech moc neni). A pak to budu integrovat na statisticke bazi (coz u medicinskych dat jde lip nez v ekonomickych), tady se lze vyradit. Kolem toho je spousta podcinenych deteministickych vypoctu (npr. v ekonomice prevalentnich). Se scenario modely praxi nemam, ale scenarovacimi postupy v ramci modelu ano. Tam si stanovim kriticke promenne a dusim je stress testy. Poohlednu se o metodach (prestupne modelu), ktere bych mohl vyuzit a moc se nezapotit. Dalsi podstatna faze jsou rizika, velmi chabe zastoupena v ekonomice (po strance metodicke), lepe v bank a pojistovnictvi. Mozna by se daly adoptovat postupy z operacnich rizik bank, kde se sleduji data na bazi kategorizace na prumerna a excesivni a pocita se ValueAtRisk. Ale to neni prima analogie a vyzaduje to data 2 typu: frekvence a severita (to lze vysosnout z dat casove clenenych, problem je severita-dopad. Prognosticke (extrapolacni) modely jsou specificke pro urcite oblasti, tady bych je moc netrajboval. Samozrejme napr u vaR modelu se sleduji koincidence propoctenych (ve sledovacim horizontu) a expost namerenych hodnot (ale to neni moc prognosticke). Obecne bych se vyhnul moc schematizujicimuvyjadreni, to aaz mnohem pozdeli. Modelar bude hotov az se jeho dilo objevi v objektech SW zpracovani nekterych (radsi vsech relevantnich) subsystemu. Vzit ciste model a prohlasit ho za univerzum nelze. Je to hlavne o makacce, kecu s kolegy (pokud mozno online), mene o studiu clanku a hledani prislusnych korifeju k dane vecne oblasti (s tim bych se neparal). Obmaknul bych spis firmy, ktere se v oblasti medicinskych dat pohybuji (co sleduji, jak to hodnoti, SW i zelezo na kterem to provozuji. Kdyz na mne nekdo vyrukuje jen s krivkami, tak ho .....
Tak hodne zdaru, modelum se spise vyhnout.
03/2020 ockovani nebylo, kdyztak opravte
Díky moc, teď už chápu, co se to přehrávalo v rozhovorech typu
A: Flégr je idiot, protože říkal, že budou na ulicích mrazáky s mrtvolama.
B: Ale on predikoval, co se stane, když nebudeme nic dělat, a my něco dělali...
A: No ale nestalo se to, tak je Flégr idiot.
B: ¯\(°_o)/¯