naine on mehe kael, üks asi sai jälle vastuse
https://uueduudised.ee/uudis/eesti/lgbt ... -abikaasa/kui mehed õpiksid rohkem enda suurema peaga mõtlema, tuleks sellest kasu kõigile
---
Vist hakkab mul tekkima selgus teemal "Linda is a bankteller ...."
Oleneb, mis suunas mõelda:
1) Kui isendil on teatud stereotüüpsete omaduste komplekt koos, siis on tõenäosus suur,et ongi part
2) Kui aga isendil on vaid üks omadus, siis tõenäosused:
a) Linda is a bankteller: p(a) (ma ei saa kasutada siin kandilisi sulgusid, sest postituse formaat läheks siis sassi)
b) Linda is a feminist: p(b)
Siit variandid koos arvutatud tõenäosustega:
= Linda is a bankteller, we don't know if she is also a feminist: p(a)
= Linda is a bankteller, but not a feminist: p(a)*(1-p(b))
= Linda is a bankteller and a feminist: p(a)*p(b)
kusjuures
p(b) ei kehti kogu ühiskonna kohta vaid kehtib tõenäosuse kohta, kus stereotüüpsete omaduste komplekt on koos ("kui prääksub kui part ..."). Seega p(b) võib olla suurem kui 0,5 (prääksuja tõenäosus olla part on suurem kui 0,5; samal ajal partide osakaal kõikidest maakera elukatest on tõesti tunduvalt väiksem kui 0,5).
Mida spetsiifilisem/ainulaadsem on omadus (prääksumine), seda suurem on p(b).
Siit:
p(a)*(1-p(b)) < p(a)*p(b) ehk "Linda is a bankteller and a feminist" saab olla küll tõenäosem kui "Linda is a bankteller, but not a feminist"
---
kui mõnele foorumlasele on kontseptsioon "Linda is a bankteller and a feminist" tundmatu, siis kuugeldage, see on üks Tverski&Kahnemanni näide valesti mõtlemisest. Siin aga ta võib ise eksida.
Samamoodi võib edasi arutleda:
= Linda is a feminist, we don't know if she is also a bankteller: p(b)
= Linda is a feminist, but not a bankteller: p(b)*(1-p(a))
= Linda is a feminist and a bankteller: p(b)*p(a) ehk sama, mis p(a)*p(b)
----
tõenäosused
= Kapo direktori naine on homolemb ja ei mõjutanud oma meest: p(a)*(1-p(b))
= Kapo direktori naine on homolemb ja mõjutas oma meest: p(a)*p(b)
Siinkohal ma ei väida, et Kapo peadirektori naine on homolemb või et ta mõjutas oma meest, avaldasin vaid matemaatilise seose
Mõte võib veel olla toores, võibolla läheb hoopis Bayes'i teoreemi kujule ("kui Kapo peadirektori naine on homolemb, siis kui suur on tõenäosus, et ta mõjutas oma meest) . Peab veel mõtisklema...
- neliktabel-hm.png (23.1 KiB) Viewed 11 times
A+C on ordeni saanud abielunaiste arv (väga väike)
B+D on ordeni mittesaanud abielunaiste arv (väga suur)
A+B on naiste arv, kes mõjutab oma meest homoteemal
C+D on naiste arv, kes ei mõjuta oma meest homoteemal
Homoordeniga naiste osakaal ühiskonnas, kes suudavad sel teemal mõjutada oma meest: A/(A+C)
Mõjutatavate meeste osakaal, kelle naisel on homoorden: A/(A+B)
Positive likelihood ratio ehk PLR = A(B+D) / B(A+C)
Odds ratio, et abielunaine mõjutab oma meest homoteemal: (A+B)/(C+D)
Odds ratio, et ordenisaaja abielunaine mõjutab oma meest homoteemal: X = (A+B)/(C+D) * PLR (ei hakka pikalt välja kirjutama)
Tõenäosus, et ordenisaaja abielunaine mõjutab oma meest homoteemal: Y = X / (1+X)
Kui teate A, B, C, D - siis on vastus käes.
---
Siit edasi võib koostada järgmise neliktabeli, kus tulpades on
1) mees on KaPo peadirektor
2) mees ei ole KaPo peadirektor
ja ridades endiselt
1) naine mõjutab meest homoteemal
2) naine ei mõjuta meest homoteemal.
Tuleb arvutada uus PLR, eelmisest ülesandest leitud lõplik Odds ratio korrutada uue PLR-ga ning arvutada selle alusel lõplik tõenäosus.
Vajalik tingimus on, et sündmused "naine sai LGTP tunnustusmärgi" ja "mees on KaPo direktor" oleks omavahel sõltumatud. See tingimus on vist täidetud.
