信息傳播中的“羊群效應”及其貝葉斯建模

猛然發現,我已經一年沒有更新過簡書了!現在已經退化成輕度文盲。。。于是,在2018年3月的某個月黑風高的晚上,心血來潮的我又立個flag:今年要重新回歸寫作的大隊伍!

最近在自學SNA(social network analysis),即社會網絡分析方面的東東(相當于重新學了一次圖論和數據結構有木有!)由于與本專業的研究問題相關,我決定在簡書記錄一下信息傳播模型的內容。本文主要講述信息傳播當中的“羊群效應”及其貝葉斯建模。


一、What the HELL is “羊群效應”?

“羊群效應”指的是一群個體在未經計劃表現出的一系列行為。即個體受到群體當中其他人的影響,經過分析后而作出與他人一致性的決策。因為這種行為與羊群活動方式相似,因而得名!

信息傳播過程中的羊群效應有以下特點:

1、有一個待做的決定

2、個體之間只能通過觀察而不能直接交流

3、決定時候遵從一定的順序

4、個體做決策并非盲目和無意識的,每個個體假設都是理性和智商正常= =


二、“羊群效應”的實驗設計

Anderson和Holt曾在1997年做了一個“羊群效應”的實驗。他們提供了一個裝了三個球的容器,球有藍色和紅色兩種,每種顏色的球至少有一個(盒子中球的情況就只有兩種(藍、藍、紅)或者(紅、紅、藍))。實驗中,每個學生從容器取出一個球,然后根據自己的推斷在黑板上寫出藍球多還是紅球多的預測(若猜測藍球較多則寫上“藍”,否則寫上“紅”),然后將球放回


三、“羊群效應”可以用貝葉斯建模的!

雖然讀上研之后我感覺概率論已經離我而去了,但在看貝葉斯建模這部分的時候,我感覺好像又回歸到本科時候在計算那條萬惡的艾滋病患病概論的題目那樣。而事實上,套路和那道題是一毛一樣的!

開始計算!

事件A:盒子里面藍色球數量較多

事件B:學生抽取到的是藍色球

從以上的實驗敘述中,我們可以得出關于事件A和事件B的以下信息:

1、由于每個盒子只有3個球,而且籃球或紅球的數量不能為0,因此,盒子中球的情況就只有兩種(藍、藍、紅)或者(紅、紅、藍)。因此,事件A的對立就是:盒子里面紅色球數量較多。此時P(A) = P(非A) = 1/2

2、同理可知,若當前的盒子里面藍色球數量較多,學生抽到藍色球的概論為2/3,紅球亦然。于是得出P(B|A) = 2/3 = P(非B|非A) =2 /3

3、我們現在要求的是:當這些同學抽到一個球的情況下,他會做出一個什么選擇。為了方便陳述,這里假設盒子中藍色球比較多,即(藍、藍、紅)的情況

這里分幾種情況進行討論:

第一名同學:在只有一次抽球機會的情況下,該問題求解可以轉化成求P(A|B) = ? 即這名同學抽到藍色球的情況下,他會有多大幾率認為這個盒子藍色球比較多?

根據貝葉斯公式有以下式子:

①P(A|B) = P(B|A)P(A) / P(B)

②P(B) = P(A)P(B|A) +?P(非A)P(B|非A) = 1/2*2/3 + 1/2*1/3 = 1/2

聯立①②并代入數據得:P(A|B) = 2/3

結論:假設這貨抽到了藍色球,他會認為藍色球比較多(2/3 > 1/2)。


第二名同學:他看見黑板上面寫著“藍”。

我們增設兩個個事件:

事件C:黑板上是{“藍”},第二名同學抽到藍(相當于兩次都抽到藍)

事件D:黑板上是{“藍”},第二名同學抽到紅(相當于第一次抽到藍,第二次抽到紅)

根據貝葉斯公式有以下式子:

①P(A|C) =?P(C|A)P(A) / P(C)

②P(C) = P(A)P(C|A) +?P(非A)P(C|非A) = 1/2*2/3*2/3 + 1/2*1/3*1/3 = 5/18

聯立①②并代入數據得:P(A|C) = 4/5

③P(A|D) =?P(D|A)P(A) / P(D)

④P(D) = P(A)P(D|A) +?P(非A)P(D|非A) = 1/2*2/3*1/3 + 1/2*1/3*2/3?= 2/9

聯立③④并代入數據得:P(A|C) = 1/2

結論:當第二名同學看見黑板上是“藍”,而他又抽中藍時,他認為藍球較多的概率為4/5,因此選擇“藍”;當第二名同學看見黑板上是“藍”,而他抽中紅球時,他認為藍球較多的概率為1/2,因此他會在“藍”或“紅”中隨機選擇一個;


第三名同學:從這名同學開始的以下同學將會受到“羊群效應”的影響。我們假設第二名同學抽到了藍色球,于是現在黑板上應該寫著:{“藍”、“藍”},假設他抽到了紅色球。

事件E:黑板上是{“藍”、“藍”},第三名同學抽到紅球(相當于出現{“藍”、“藍”、“紅”}的結果)

根據貝葉斯公式有以下式子:

①P(A|E) =?P(E|A)P(A) / P(E)

②P(E) = P(A)P(E|A) +?P(非A)P(E|非A) = 1/2*2/3*2/3*1/3 + 1/2*1/3*1/3*2/3?= 1/9

聯立①②并代入數據得:P(A|E) = 2/3

結論:當第三名同學看見黑板上是{“藍”、“藍”},而他抽中紅球時,他認為藍球較多的概率為2/3,因此選擇“藍”;另一種情況的求解同理。

從第四名同學起的計算方法同上。通過計算我們發現,后來的同學會不斷受到“羊群效應”影響。(有興趣的話你們可以繼續算一下,我是真的打字打到累了0.0)

照慣例,還是上一波圖吧!


四、“羊群效應”的啟示

1、由于每個人都不能寫出自己的真實觀察結果(即個體間無法直接交流),每個人在做出選擇的時候只能根據其他人的推測情況來進行進一步推測(相當于將前者的推測當作真實觀察結果!所以有可能會造成誤導!!!)。因此,羊群效應會隨著時間推移收斂到某一共識。

2、我們可以通過事先告知事實或者公開真實的觀察結果來使羊群效應停止。

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,825評論 6 546
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,814評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 178,980評論 0 384
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 64,064評論 1 319
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,779評論 6 414
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 56,109評論 1 330
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 44,099評論 3 450
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 43,287評論 0 291
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,799評論 1 338
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,515評論 3 361
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,750評論 1 375
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,221評論 5 365
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,933評論 3 351
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,327評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,667評論 1 296
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,492評論 3 400
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,703評論 2 380

推薦閱讀更多精彩內容