2

1
2

文字

分享

2
1
2

當「機率」被誤解,審判是否會變成粗暴的正義?──《偶然的科學》

PanSci_96
・2018/07/10 ・5773字 ・閱讀時間約 12 分鐘 ・SR值 533 ・七年級

-----廣告,請繼續往下閱讀-----

草率分析機率,是帶著正義面具的暴力

粗暴的正義

如果你想瞭解某件事的機率,例如在犯罪現場發現的 DNA 是否與被告的 DNA 相符,那麼你必須以良好的統計數據為基礎。但近年來,構成良好基礎的東西已出現變化。對許多人來說,就像安琪拉.賽尼 (Angela Saini) 所說的,傳統的統計數據需用18世紀的一個想法加以翻新。

不修邊幅的神探可倫坡,總能抓到他想抓的人。我們拿這齣美國知名電視影集在1974年播放的某一集來說吧。該集中有個攝影師殺了他的妻子,還把整件事偽裝成一場手法拙劣的綁架案,但在偵探可倫坡發現了一個詭計,終於揭發整件事情之前,這是一齣完美的犯罪。可倫坡在一個架子上放了十二台相機,然後引誘凶手從架上取下拍下受害人被殺前影像的那台相機。看守的警察對凶手說:「先生,你剛剛讓自己捲進事端了。」

美國知名電視影集《神探可倫坡》。圖/wikipedia

事情若有這麼簡單就好了。無論是不是凶手,每人去拿相機的人都有十二分之一的機會隨機拿到同一台相機。在法庭上,這樣的證據根本站不住腳。但,如果它站得住腳呢?

這種機率陷阱不只出現在犯罪小說裡。「發生統計錯誤的頻率高得驚人,」英國索爾福德大學數學家雷.希爾 (Ray Hill) 說,他曾在幾個著名的刑事案件中提供證據。「我總在證據說明中發現人們沒注意的例子。」他說。

其中根本原因在於人們草率地分析機率,玷汙了公正性,甚至可能讓無辜者啷噹入獄。隨著人們在判案時越來越仰賴「確定」的數據,像 DNA 配對,這問題變得越來越嚴重。有些數學家呼籲,法院應開密集課程,把證據的重要性放在第一要務。他們需要什麼呢?貝氏機率能公斷一切。

-----廣告,請繼續往下閱讀-----

有兩億分之一的機率,你與罪犯有相同的 DNA

這呼籲出自湯馬斯.貝氏 (Thomas Bayes) 的研究,他是18世紀英國一名數學家和神職人員,他曾針對該如何計算條件機率做出說明。條件機率是指某一件事發生的機率,取決於其他事件發生的機率。這正是刑事案件面對的問題,因為辦案人員會清查所有證據,以確認被告無罪或有罪(請參見下面的「法庭上的貝氏統計」)。

那麼,數學看來很適合使用在法庭上,但法官和陪審團其實常常太過依賴直覺判案。有個讓人吃驚的案例發生在1996年,那是跟英國男子丹尼斯.約翰.亞當斯 (Dennis John Adam) 有關的強暴案。在指認凶手時,亞當斯並未被指認出來,而他的女友也提供了他的不在場證明。但他的 DNA 與犯罪現場的精液匹配,而這是兩億分之一的機率,這個證據很可能讓任何一位陪審員判他有罪。

正義女神帶著眼罩,象徵一視同人的精神,但用「常識」來解讀數據扭曲了這樣的精神。圖/pixibay

然而,在這裡我們必須面對的問題是,這個數字到底說明了什麼。實際上,這數字並不如法庭和新聞界一般以為的那樣稀罕。他們往往認為,既然這些精液只有兩億分之一的機率不是亞當斯留下的,因此他不太可能是無辜的。就像我們稍後會明白的,這數字實際上代表,若我們隨機在大眾之中取得 DNA,那麼我們將有兩億分之一的機會,拿到與犯罪現場精液相符的 DNA。

這兩個意義的差異十分微小,卻至關重要。在一群(假設是一萬人)可能犯下罪行的人之中,有人的 DNA 與犯罪現場 DNA 相符的機率是兩億分之一,或是兩萬分之一。這樣的解釋對亞當斯來說仍然不太妙,但不至於完全毫無希望。

-----廣告,請繼續往下閱讀-----

法庭上的貝氏統計

你能成為貝式陪審員嗎?就像下面例子所示,它並不是一個直截了當的判斷。假設你有個來自犯罪現場的證據E,那是一灘血跡,或是一段衣服線頭,並且與嫌犯身上的東西相符。這些東西會如何影響你對嫌犯清白的看法或假設 H?

貝式定理會告訴你如何在給定的 E,計算出 H 的機率。亦即:(H的機率)乘以(在給定的 H 下,E 的機率),再除以(E 的機率)。或是,如果用標準的數學符號來表示,會是這樣:

P (H | E) = P (H) × P (E | H) / P (E)

假設你擔任一起攻擊案的陪審員,到目前為止你有60%相信被告是無辜的:P (H) = 0.6。然後有人告訴你,被告的血型和犯罪現場留下的血型都是 B 型,而世界上有10%的人是這種血型。這件事會如何改變你的看法?被告的嫌疑應該更大或是更小?

法醫專家給你的機率,是在一般清白大眾中找到與證據相符的人的機率:P (E | H) = 0.1。要應用貝式公式並發現 P (H | E),也就是你對被告為無罪的新看法,你需要的是數量 P (E),也就是他們的血液與犯罪現場血液相符的機率。

-----廣告,請繼續往下閱讀-----
機率影響了陪審團對案情的認知。圖/pixibay

實際上,這個機率取決於被告無罪或是有罪。如果他們是無辜的,他們就和所有人一樣都是0.1;但如果他們有罪,那就是1,因為他們的血液確定與現場血液相符。這個洞見讓我們可以在無罪 (H) 或有罪 (不是H) 的狀況下加總血液匹配的機率,進而計算出 P (E):

P (E) = [ P (E | H) × P (H) ]+[ P (E | 非H) × P(H) ]
= (0.1 × 0.6) + (1 × 0.4) = 0.46

所以,根據貝式公式,修正過的無罪機率是:

P (H | E) = (0.6 × 0.1) ÷ 0.46 = 0.13

正如你所想的,若採用這個方法,無罪的機率便下降了。如此一來,被告有罪的機率,也許比你一開始想的高了四到五倍。

當常識與正義背道而馳

亞當斯的辯護團隊,非常擔心陪審團可能會曲解機率,因此找來牛津大學統計科學家彼得.唐納利 (Peter Donnelly) 協助。「我們設計了一個問卷調查,透過貝式推理,幫助他們整合所有證據。」唐納利說。

-----廣告,請繼續往下閱讀-----

然而,他們未能說服陪審團相信貝式方法的價值,最終亞當斯還是被定了罪。他上訴兩次皆鎩羽而歸,上訴法官最終裁定陪審團的任務是「不要用公式來評估證據,而是用他們的常識來判斷。」

但如果常識與正義背道而馳,又該如何呢?對英國蘭開斯特大學的數學家大衛.露西 (David Lucy) 來說,亞當斯的案例說明了傳統文化必須有所改變。「在某些情況下,統計分析是評估證據的唯一方法,因為直覺有可能導致謬誤的結果,」他說。

錯誤的判斷會造成不公的判決。圖/pxhere

在錯誤發生前便發現它

倫敦瑪麗王后大學計算機科學家諾曼.芬頓 (Norman Fenton),曾在刑事案件中擔任防務小組的工作,他提出一個可能的解決方案。他和同事馬丁.尼爾 (Martin Neil) 合作,研發了一個按步驟出現的圖片系統和一棵決策樹,藉此幫助陪審員瞭解貝式推理。這兩人說,一旦陪審團相信這方法有效,專家們就能把貝式定理使用在類似這種「黑盒子」的案件中,計算出每個證據所指出的無罪或有罪機率。「人們不會質疑電子計算機執行的步驟是否正確,那麼為什麼在這裡就要質疑呢?」芬頓問。

這個建議很有爭議。根據其結論來說,我們可能在單一計算中看到公平審判的結果。用貝式機率處理DNA和血型配對的效果很好,但若事涉將外貌和行為等因素量化,難度卻變得更大。「不同陪審員對證據會有稍微不同的見解,而這不是數學家可以代勞的事,」唐納利說。

-----廣告,請繼續往下閱讀-----

唐納利認為,法醫專家應接受統計學的教育,以便在錯誤發生之前就能發現它們。從類似亞當斯這樣的案例發生以來,美國和英國的法醫專家確實已開始學習統計學;然而,律師和陪審員受到的統計訓練仍然很少,如果真有的話。

真實的五個謬誤

隨著五個真實謬誤的出現,我們實在無法感到自滿。唐納利說,這些來自法律教科書的真實案例顯示,人們要求翻新統計分析的呼籲,並不是要讓數學家把他們的思考方式強加在整個世界上。「正義必須仰賴每一個人都能在不確定的情況下,適當地進行推理。」他說。

一、檢察官的謬誤

「檢察官謬誤是種非常容易犯的錯,」英國肯特市一家證據顧問公司首席法醫顧問公司的伊恩.埃夫特 (Ian Evett) 說。這種謬誤混淆了貝式公式對兩種機率之間所做的微妙區分。P (H | E) 這機率是指一個人與部分證據相符的情況下,他是無辜的機率;P (E | H) 這機率則是指一個人在無辜的情況下,他與部分證據相符的機率。第一個機率是我們想知道的,第二個機率則通常是法醫告訴我們的。

不幸的是,即使是專業人士有時也會把這兩個機率搞混。例如,1991年在英國曼徹斯特,安德魯.迪恩 (Andrew Deen) 強暴案正在審判時,一位專家證人同意該(精液的)DNA 樣本「不是安德魯.迪恩留下的機率是三百萬分之一。」

-----廣告,請繼續往下閱讀-----

然而那樣說是錯的。在一般大眾之中,任何無辜者的 DNA 與犯罪現場的精液相符之可能性是三百萬分之一;也就是說,這是 P (E | H)。英國大約有六千萬人,很少有人的 DNA 會與犯罪現場相符。根據有多少人可能會承認自己犯下罪行來說,就算迪恩的 DNA 與犯罪現場遺留的精液相符,但他無罪的機率—或說 P (H | E) —實際上還是比三百萬分之一要大上很多。

在上訴時,迪恩有罪的判決被撤銷了,讓一群類似案件也成功獲得程度不一的翻案,有些還出現讓人驚訝的結果。例如,警察發現一名在2008年入獄的加州人,他的 DNA 與三十五年前一起姦殺案留下的證據相符。

任何無辜者的 DNA 都有可能與犯罪現場的精液相符。圖/pixibay

二、終極議題的謬誤

迪恩的起訴案在快發生機率謬誤之前結束了。然而在陪審團的想法裡,它可能會變成「終極議題」的謬誤:明確將(小的)數字 P (E | H) 等同於嫌犯無罪的可能性。

在1968年的洛杉磯,這個終極議題的謬誤讓黑人馬爾科姆.柯林斯 (Malcolm Collins) 和他的白人妻子珍娜啷噹入獄。乍看之下,這個案子似乎沒什麼可質疑的:一位年長女士被一位金髮白人女性和蓄鬍的黑人搶劫,他們雙雙跳進一輛黃色汽車後逃逸。根據一位專家的計算,要找到一對符合這種組合男女的機率,是一千兩百萬分之一。

-----廣告,請繼續往下閱讀-----

警方相信了專家的話,而陪審團也不假思索地相信這看法。他們認為,站在法庭上的這對黑白男女,只有一千二百萬分之一的機率不是作案的那對,而這也是他們無辜的機率。

然而,警察和陪審團都錯了。在像洛杉磯這樣的城市裡,數以百萬計來自各種族的人都住在這裡,或是經過這裡,所以有其他類似種族組合的男女大有可能存在,因此柯林斯夫婦有更平均或更高的機率是無辜的;更不用說,受害者對嫌犯的描述本身可能根本是錯誤,這一點有助於上訴時扭轉被告的有罪判決。

每一個證據都有可能使無罪的人入獄。圖/pixibay

三、忽視基本比率

任何想靠 DNA 分析快速得到判決的人,都該意識到遺傳證據也許並不可靠。這個世界有七十億人,就算發現相同基因的機率是十億分之一,也可以在這世上找到七個相符的人。

所幸,間接證據和法醫證據往往會把可能是嫌犯的那群體迅速切成小團體。但是,忽略你的「基本比率」—也就是可能符合的那群人—會讓你得到錯誤的結論。而且這樣的事不只發生在法庭上。

舉例來說,看看醫生幫你動手術的狀況。假設你剛剛被檢查出罹患了不治之症,而罹患這疾病的機率是一萬分之一。這個檢查的準確度為99%。那麼,你罹患該疾病的真正機率是多少呢?

答案是不到1%,原因是這種疾病非常罕見,這表示即使檢查擁有高達99%的準確率,出現偽陽性的機率會遠遠超過實際患病的機率(見下頁圖)。這就是為什麼進一步檢查而將機率縮小,是這麼重要。並不是只有像我們這樣的一般人,才會被這種反直覺結果所困擾。根據調查顯示,有85-90%的健康專家,都會搞錯這東西。

癌症檢驗結果的準確性其實不高。圖/八旗文化提供

四、被告的謬誤

在法庭內,能把統計數據按對自己有利的方式詮釋的人,並不只有檢察官。就我們所知,辯護律師也會出現「挑櫻桃」的機率(譯注:挑櫻桃是指,只談支持論點的理由,而不談反對論點的理由)。

例如,1995年前美國足球明星O.J.辛普森 (O.J. Simpson) ,因謀殺前妻妮可.布朗 (Nicole Brown) 及其友人而受到審判。在此多年之前,辛普森曾被控家暴,對此他不承認自己有罪,但也未替自己辯護。為了淡化這件家暴案,在 O.J. 辛普森的辯護顧問團裡,有個名叫艾倫.德爾霍維茨 (Alan Dershowitz) 的顧問,他說在曾被丈夫或男友施暴的所有女性中,只有不到千分之一的人被伴侶殺害。

後來,賓州天普大學的數學家約翰.艾倫.保羅斯 (John Allen Paulos) 表示,這數字可能是真的,但並非最重要的事。由於貝氏算法會將所有相關事實的資訊都計算進去,所以一名女性若曾遭虐待再被殺害,那麼凶手有80%的機率會是她的伴侶。

但這也許還不是故事的全貌,加州大學爾灣分校的犯罪學家威廉.湯普森 (William Thompson) 就表示,在所有遭殺害的女性中,無論她們有沒有被施暴過,如果有超過80%的人都是被伴侶所殺,那麼「有沒有虐待就根本不具判斷價值,」他說。

「有沒有被虐待」無法影響女性被殺害的機率。圖/pxhere

五、相關證據謬誤

有時候,早在貝式統計能發揮作用之前,數學邏輯就已離開法庭,變得無用武之地,這是因為我們根本誤用了機率。

就相關證據謬誤來說,這是英國近期最惡名昭彰的一起正義受挫的案例。1991年11月,莎麗.克拉克 (Sally Clark) 被控趁孩子睡覺時,將他們窒息而死。兒科醫生羅伊.梅多 (Roy Meadow) 作證說,兩個孩子皆自然死於初生嬰兒猝死症(SIDS,或稱嬰兒促死)的機率為七千三百萬分之一。他之所以得到這數字,是因為他將個別孩童罹患初生嬰兒猝死症的機率八千五百分之一相乘起來。也就是說,該醫生將克拉克家中的兩起死亡案件,當成彼此獨立的事件來處理。

相關證據謬誤讓正義變成暴力。圖/pixibay

但,為何這兩起死亡案件是獨立事件呢?對此,英國皇家統計學會在上訴時表示,「可能有未知的基因或環境因素,讓某些家庭特別容易罹患初生嬰兒猝死症。因此發生過這種事件的家庭,更有可能發生第二起這樣的案件。」

「即使當時判案的是三位傑出的法官,但他們都沒發現這個錯誤。」為辯方工作的雷.希爾 (Ray Hill) 說。他估計,如果家中有一個孩子死於初生嬰兒猝死症,那麼另一個孩子死於此症的機率,將高達60%。如此,貝氏推論算出兩個孩子發生初生嬰兒猝死症的機率大約是十三萬分之一。英國每年有幾萬個孩子出生,這表示三不五時就會發生兩起初生嬰兒猝死症。

最後,克拉克在2003年獲釋。她的案件持續發酵,讓人們反省許多類似案件。希爾說,「最近幾年,我不記得法院是否還有收到嬰兒死猝亡案件。」然而,克拉克自此不曾從被誤解的痛苦中痊癒過來。2007年,人們發現她陳屍家中,她終究成了人們對統計無知的受害者。

 

 

本文選自泛科學2018年7月選書《偶然的科學:好運、隨機及機率背後的秘密》,八旗文化。

 

-----廣告,請繼續往下閱讀-----
文章難易度
所有討論 2
PanSci_96
1266 篇文章 ・ 2625 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
0
停工即停薪:如何證明你的時間值多少?車禍背後的認知 x 情緒 x 金錢 x 法律大混戰
鳥苷三磷酸 (PanSci Promo)_96
・2026/01/09 ・3351字 ・閱讀時間約 6 分鐘

本文與 PAMO車禍線上律師 合作,泛科學企劃執行

走在台灣的街頭,你是否發現馬路變得越來越「急躁」?滿街穿梭的外送員、分秒必爭的多元計程車,為了拚單量與獎金,每個人都在跟時間賽跑 。與此同時,拜經濟發展所賜,路上的豪車也變多了 。

這場關於速度與金錢的博弈,讓車禍不再只是一場意外,更是一場複雜的經濟算計。PAMO 車禍線上律師施尚宏律師在接受《思想實驗室 video podcast》訪談時指出,我們正處於一個交通生態的轉折點,當「把車當生財工具」的職業駕駛,撞上了「將車視為珍貴資產」的豪車車主,傳統的理賠邏輯往往會失靈 。

在「停工即停薪」(有跑才有錢,沒跑就沒收入)的零工經濟時代,如果運氣不好遇上車禍,我們該如何證明自己的時間價值?又該如何在保險無法覆蓋的灰色地帶中全身而退?

-----廣告,請繼續往下閱讀-----
如果運氣不好遇上車禍,我們該如何證明自己的時間價值?/ 圖片來源: Nano Banana

薪資證明的難題:零工經濟者的「隱形損失」

過去處理車禍理賠,邏輯相對單純:拿出公司的薪資單或扣繳憑單,計算這幾個月的平均薪資,就能算出因傷停工的「薪資損失」。

但在零工經濟時代,這套邏輯卡關了!施尚宏律師指出,許多外送員、自由接案者或是工地打工者,他們的收入往往是領現金,或者分散在多個不同的 App 平台中 。更麻煩的是,零工經濟的特性是「高度變動」,上個月可能拚了 7 萬,這個月休息可能只有 0 元,導致「平均收入」難以定義 。

這時候,律師的角色就不只是法條的背誦者,更像是一名「翻譯」。

施律師解釋「PAMO車禍線上律師的工作是把外送員口中零散的『跑單損失』,轉譯成法官或保險公司聽得懂的法律語言。」 這包括將不同平台(如 Uber、台灣大車隊)的流水帳整合,或是找出過往的接單紀錄來證明當事人的「勞動能力」。即使當下沒有收入(例如學生開學期間),只要能證明過往的接單能力與紀錄,在談判桌上就有籌碼要求合理的「勞動力減損賠償 」。

-----廣告,請繼續往下閱讀-----
PAMO車禍線上律師的工作是把外送員口中零散的『跑單損失』,轉譯成法官或保險公司聽得懂的法律語言 / 圖片來源: Nano Banana

300 萬張罰單背後的僥倖:你的直覺,正在害死你

根據警政署統計,台灣交通違規的第一名常年是「違規停車」,一年可以開出約 300 萬張罰單 。這龐大的數字背後,藏著兩個台灣駕駛人最容易誤判的「直覺陷阱」。

陷阱 A:我在紅線違停,人還在車上,沒撞到也要負責? 許多人認為:「我人就在車上,車子也沒動,甚至是熄火狀態。結果一台機車為了閃避我,自己操作不當摔倒了,這關我什麼事?」

施律師警告,這是一個致命的陷阱。「人在車上」或「車子沒動」在法律上並不是免死金牌 。法律看重的是「因果關係」。只要你的違停行為阻礙了視線或壓縮了車道,導致後方車輛必須閃避而發生事故,你就可能必須背負民事賠償責任,甚至揹上「過失傷害」的刑責 。 

數據會說話: 台灣每年約有 700 件車禍是直接因違規停車導致的 。這 300 萬張罰單背後的僥倖心態,其巨大的代價可能是人命。

-----廣告,請繼續往下閱讀-----

陷阱 B:變換車道沒擦撞,對方自己嚇到摔車也算我的? 另一個常年霸榜的肇事原因是「變換車道不當」 。如果你切換車道時,後方騎士因為嚇到而摔車,但你感覺車身「沒震動、沒碰撞」,能不能直接開走?

答案是:絕對不行。

施律師強調,車禍不以「碰撞」為前提 。只要你的駕駛行為與對方的事故有因果關係,你若直接離開現場,在法律上就構成了「肇事逃逸」。這是一條公訴罪,後果遠比你想像的嚴重。正確的做法永遠是:停下來報警,釐清責任,並保留行車記錄器自保 。

正確的做法永遠是:停下來報警,釐清責任,並保留行車記錄器自保 。/ 圖片來源: Nano Banana

保險不夠賠?豪車時代的「超額算計」

另一個現代駕駛的惡夢,是撞到豪車。這不僅是因為修車費貴,更因為衍生出的「代步費用」驚人。

-----廣告,請繼續往下閱讀-----

施律師舉例,過去撞到車,只要把車修好就沒事。但現在如果撞到一台 BMW 320,車主可能會主張修車的 8 天期間,他需要租一台同等級的 BMW 320 來代步 。以一天租金 4000 元計算,光是代步費就多了 3 萬多塊 。這時候,一般人會發現「全險」竟然不夠用。為什麼?

因為保險公司承擔的是「合理的賠償責任」,他們有內部的數據庫,只願意賠償一般行情的修車費或代步費 。但對方車主可能不這麼想,為了拿到這筆額外的錢,對方可能會採取「以刑逼民」的策略:提告過失傷害,利用刑事訴訟的壓力(背上前科的恐懼),迫使你自掏腰包補足保險公司不願賠償的差額 。

這就是為什麼在全險之外,駕駛人仍需要懂得談判策略,或考慮尋求律師協助,在保險公司與對方的漫天喊價之間,找到一個停損點 。

談判桌的最佳姿態:「溫柔而堅定」最有效?

除了有單據的財損,車禍中最難談判的往往是「精神慰撫金」。施律師直言,這在法律上沒有公式,甚至有點像「開獎」,高度依賴法官的自由心證 。

-----廣告,請繼續往下閱讀-----

雖然保險公司內部有一套簡單的算法(例如醫療費用的 2 到 5 倍),但到了法院,法官會考量雙方的社會地位、傷勢嚴重程度 。在缺乏標準公式的情況下,正確的「態度」能幫您起到加分效果。

施律師建議,在談判桌上最好的姿態是「溫柔而堅定」。有些人會試圖「扮窮」或「裝兇」,這通常會有反效果。特別是面對看過無數案件的保險理賠員,裝兇只會讓對方心裡想著:「進了法院我保證你一毛都拿不到,準備看你笑話」。

相反地,如果你能客氣地溝通,但手中握有完整的接單紀錄、醫療單據,清楚知道自己的底線與權益,這種「堅定」反而能讓談判對手買單,甚至在證明不足的情況下(如外送員的開學期間收入),更願意採信你的主張 。

車禍不只是一場意外,它是認知、情緒、金錢與法律邏輯的總和 。

在這個交通環境日益複雜的時代,無論你是為了生計奔波的職業駕駛,還是天天上路的通勤族,光靠保險或許已經不夠。大部分的車禍其實都是小案子,可能只是賠償 2000 元的輕微擦撞,或是責任不明的糾紛。為了這點錢,要花幾萬塊請律師打官司絕對「不划算」。但當事人往往會因為資訊落差,恐懼於「會不會被告肇逃?」、「會不會留案底?」、「賠償多少才合理?」而整夜睡不著覺 。

-----廣告,請繼續往下閱讀-----

PAMO看準了這個「焦慮商機」, 推出了一種顛覆傳統的解決方案——「年費 1200 元的訂閱制法律服務 」。

這就像是「法律界的 Netflix」或「汽車強制險」的概念。PAMO 的核心邏輯不是「代打」,而是「賦能」。不同於傳統律師收費高昂,PAMO 提倡的是「大腦武裝」,當車禍發生時,線上律師團提供策略,教你怎麼做筆錄、怎麼蒐證、怎麼判斷對方開價合不合理等。

施律師表示,他們的目標是讓客戶在面對不確定的風險時,背後有個軍師,能安心地睡個好覺 。平時保留好收入證明、發生事故時懂得不亂說話、與各方談判時掌握對應策略 。

平時保留好收入證明、發生事故時懂得不亂說話、與各方談判時掌握對應策略 。 / 圖片來源: Nano Banana

從違停的陷阱到訂閱制的解方,我們正處於交通與法律的轉型期。未來,挑戰將更加嚴峻。

-----廣告,請繼續往下閱讀-----

當 AI 與自駕車(Level 4/5)真正上路,一旦發生事故,責任主體將從「駕駛人」轉向「車廠」或「演算法系統」 。屆時,誰該負責?怎麼舉證?

但在那天來臨之前,面對馬路上的豪車、零工騎士與法律陷阱,你選擇相信運氣,還是相信策略? 先「武裝好自己的大腦」,或許才是現代駕駛人最明智的保險。

PAMO車禍線上律師官網:https://pse.is/8juv6k 

-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

2
1

文字

分享

0
2
1
從遺傳學角度剖析:女性能在體育場上超越男性嗎?——《運動基因》
行路出版_96
・2024/08/10 ・3722字 ・閱讀時間約 7 分鐘

科學期刊的預言:女性能追趕甚至超越男性?

我在 2002 年還在讀大四時,第一次看到兩位 UCLA 生理學家的論文〈不用多久女性就會跑得比男性快?〉,當時我覺得這個標題很荒謬。在那之前我花了五個賽季,進行 800 公尺中距離跑步訓練,成績已經超越世界女子紀錄。而且我還不是自己接力隊上跑最快的。

但那篇論文發表在《自然》(Nature)期刊上,這是世上極具聲望的科學期刊,所以一定有些道理。大眾就是這麼認為的。《美國新聞與世界報導》雜誌在 1996 年亞特蘭大奧運之前,對一千個美國人做了調查,結果其中有三分之二認為,「終有一天頂尖女運動員會勝過頂尖男運動員」。

1996 年亞特蘭大奧運前,一千位美國人中有三分之二認為,「終有一天頂尖女運動員會勝過頂尖男運動員」。 圖/envato

《自然》期刊上那篇論文的作者,把男子組和女子組從 200 公尺短跑到馬拉松各項賽事歷年的世界紀錄畫成圖表,發現女子組紀錄進步得遠比男子組急速。他們用外推法從曲線的趨勢推斷未來,確定到 21 世紀前半葉,女性就會在各個賽跑項目擊敗男性。兩名作者寫道:「正因進步速度的差異實在非常大,而使(兩者)差距逐漸縮小。」

2004 年,趁著雅典奧運成為新聞焦點之際,《自然》又特別刊出一篇同類型的文章〈2156 年奧運會場上的重要衝刺?〉(Momentous Sprint at the 2156 Olympics?)──標題所指的,正是女子選手會在 100 公尺短跑比賽中,勝過男子選手的預計時間。

-----廣告,請繼續往下閱讀-----

2005 年,三名運動科學家在《英國運動醫學期刊》發表了一篇論文,省去問號開門見山在標題宣稱:〈女性終將做到〉(Women Will Do It in the Long Run.)。

難道男性主導世界紀錄的情況,始終是歧視女性、把女性排除於競技場外的結果?

20 世紀上半葉,文化規範與偽科學嚴重限制了女性參與運動競技的機會。在 1928 年阿姆斯特丹奧運期間,有媒體(捏造)報導指稱,女性選手在 800 公尺賽跑後筋疲力竭地躺在地上,這讓一些醫生和體育記者十分反感,使得他們認為這個比賽項目會危害女性健康。《紐約時報》上有篇文章就寫:「這種距離太消耗女性的體力了。」〔1〕那幾屆奧運之後,在接下來的三十二年間,距離超過 200 公尺的所有女子項目,都突然遭禁,直到 2008 年奧運,男女運動員的徑賽項目才終於完全相同。但《自然》期刊上的那幾篇論文指出,隨著女性參賽人數增多,看起來她們的運動成績到最後可能會與男性並駕齊驅,甚至比男性更好。

運動能力的基因密碼:性別差異的生物學根源

我去拜訪約克大學的運動心理學家喬.貝克時,我們談論到運動表現的男女差異,尤其是投擲項目的差異。在科學實驗裡證實過的所有性別差異中,投擲項目一直名列前茅。用統計學術語來說的話,男女運動員的平均投擲速度相差了三個標準差,大約是男女身高差距的兩倍。這代表如果你從街上拉一千個男子,其中 997 人擲球的力氣會比普通女性大。

-----廣告,請繼續往下閱讀-----

不過貝克提到,這種情形可能是反映女性缺乏訓練。他的太太是打棒球長大的,輕輕鬆鬆就能贏過他。他打趣說:「她會發出一束雷射光。」那麼這是生物學上的差異嗎?

男性和女性的 DNA 差異極小,僅限於在女性身上為X或男性為Y的那單一染色體。姊弟或兄妹從完全相同的來源取得基因,透過重組母親和父親的 DNA,確保兄弟姊妹絕對不會相近到變成複製人。

性別分化過程大部分要歸結到 Y 染色體上的「SRY 基因」,它的全名是「Y 染色體性別決定區基因」。若要說有「運動能力基因」,那就非 SRY 基因莫屬了。人類生物學的安排,就是讓同樣的雙親能夠同時生育出男性的兒子和女性的女兒,即使傳遞的是相同的基因。SRY 基因是一把 DNA 萬能鑰匙,會選擇性地啟動發育成男性的基因。

我們在生命初期都是女性──每個人類胚胎在形成的前六週都是女性。由於哺乳動物的胎兒會接觸到來自母親的大量雌激素,因此預設性別為女性是比較合算的。在男性身上,SRY 基因到第六週時會暗示睪丸及萊氏細胞(Leydig cell)該準備形成了;萊氏細胞是睪丸內負責合成睪固酮的細胞。睪固酮在一個月之內會不斷湧出,啟動特定基因,關閉其他基因,兩性投擲差距不用多久就會出現。

-----廣告,請繼續往下閱讀-----

男孩還在子宮時,就開始發育出比較長的前臂,這使得他們日後投擲時會做出更有力的揮臂動作。儘管男孩和女孩在投擲技能方面的差異,不如成年男性和女性之間那麼顯著,但這種差異在兩歲幼童身上已經很明顯了。

性別分化過程大部分要歸結到 Y 染色體上的「SRY 基因」,會選擇性地啟動發育成男性的基因。 圖/envato

文化與訓練的影響:投擲項目中的性別差距

為了確定孩童之間的投擲差距有多少與文化有關,北德州大學和西澳大學的科學家組成團隊,共同測試美國孩童與澳洲原住民孩童的投擲技能。澳洲原住民沒有發展出農業,仍過著狩獵採集生活,他們教導女孩丟擲戰鬥及狩獵用武器,就像教導男孩一樣。這項研究確實發現,美國男孩和女孩在投擲技能上的差異,比澳洲原住民男孩和女孩之間的差異顯著許多。不過儘管女孩因為較早發育長得較高較壯,男孩仍比女孩擲得更遠。

普遍來說,男孩不僅比女孩更善於投擲,視覺追蹤攔截飛行物的能力往往也出色許多;87% 的男孩在目標鎖定能力的測試上,表現得比一般女孩好。另外,導致差異的部分原因,至少看起來是因為在子宮的時期接觸到了睪固酮。由於先天性腎上腺增生症,而在子宮裡接觸到高濃度睪固酮的女孩,上述項目的表現會像男孩一樣,而不像女孩;患有這種遺傳疾病的胎兒,腎上腺會過度分泌男性荷爾蒙。

受過良好投擲訓練的女性,能輕易勝過未受訓練的男性,但受過良好訓練的男性,表現會大幅超越受過良好訓練的女性。男子奧運標槍選手擲出的距離,比女子奧運選手遠大約三成,儘管女子組使用的標槍比較輕。此外,女性投出的最快棒球球速的金氏世界紀錄是 65 mph(相當於時速 105 公里),表現不錯的高中男生的球速經常比這還要快,有些男子職業球員可以投出超過 100 mph(相當於時速 160 公里)的球速。

-----廣告,請繼續往下閱讀-----

在跑步方面,從 100 公尺到 1 萬公尺,經驗法則是把菁英級表現差距定在 11%。從短跑到超級馬拉松,不管任何距離的賽跑,男子組的前十名都比女子組的前十名快大約 11%。〔2〕在職業等級,那就是個鴻溝。女子組的 100 公尺世界紀錄,跟 2012 年奧運男子組的參賽資格還差了四分之一秒;而在一萬公尺長跑,女子組的世界紀錄成績,與達到奧運參賽資格最低標準的男選手相比落後了一圈。

不論距離,男子組前十名的跑步速度普遍比女子組快約 11%。圖/enavato

投擲項目與純爆發力型運動項目的差距更大。在跳遠方面,女子選手落後男子 19%。差距最小的是長距離游泳競賽;在 800 公尺自由式比賽中,排名前面的女子選手,與排名前面的男子選手差距不到 6%。

預言女性運動員將超越男性的那幾篇論文暗示,從 1950 年代到 1980 年代,女性表現的進展遵循一條會持續下去的穩定軌跡,但在現實中是有一段短暫爆發,隨後趨於平穩──這是女子運動員,而非男子運動員進入的平穩期。儘管到 1980 年代,女性在 100 公尺到 1 英里各項賽跑的最快速度,都開始趨於穩定,但男子運動員仍繼續緩慢進步,雖然只進步一點點。

數字很明確。菁英女子選手並未趕上菁英男子選手,也沒有保持住狀況,男性運動員則在非常慢地進步。生物學上的差距在擴大。但為什麼原本就有差距存在?

-----廣告,請繼續往下閱讀-----

註釋

  1.  各報上氣不接下氣地報導 800 公尺女子選手紛紛倒在跑道上。正如運動雜誌《跑步時代》(Running Times)2012 年的一篇文章指出的,實情是只有一個女子選手在終點線倒下,其餘三名都打破了先前的世界紀錄。據稱人在現場的《紐約郵報》記者寫道,「11 位淒慘的女性」當中有 5 人沒有跑完,5 人在跑過終點線後倒下。《跑步時代》報導說,參賽的女運動員只有 9 個,而且全部跑完。
  2. 過去普遍認為,隨著比賽距離拉長,女子賽跑選手會超越男子選手。這是克里斯多福.麥杜格(Christopher McDougall)在《天生就會跑》這本很吸引人的書裡談到的主題,但不完全正確。成績非常優秀的跑者之間的 11% 差距,在最長距離和最短距離同樣穩固存在。儘管如此,南非生理學家卻發現,當一男一女的馬拉松完賽時間不相上下,那個男士在距離短於馬拉松的比賽中通常會贏過那個女士,但如果競賽距離加長到 64 公里,女士就會跑贏。他們報告說,這是因為男性通常比較高又比較重,比賽距離越長,這就會變成很大的缺點。然而在世界頂尖超馬選手當中,男女體型差異比一般群體中的差異小,而 11% 的成績差距,也存在於超級長距離的最優秀男女選手之間。

——本文摘自 大衛・艾普斯坦(David Epstein)運動基因:頂尖運動表現背後的科學》,2020 年 12 月,行路出版,未經同意請勿轉載

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

行路出版_96
21 篇文章 ・ 8 位粉絲
行路為「讀書共和國」出版集團旗下新創的出版社,出版知識類且富科普或哲普內涵的書籍,科學類中尤其將長期耕耘「心理學+腦科學」領域重要、具時代意義,足以當教材的出版品。 行路臉書專頁:https://www.facebook.com/WalkPublishing

0

1
0

文字

分享

0
1
0
賭博與愛情公式:用數學擬定你的擇偶策略——《數盲、詐騙與偽科學》
大牌出版.出版大牌_96
・2024/01/06 ・2486字 ・閱讀時間約 5 分鐘

理解期望值,有助於分析賭場裡的大部分賭局,以及美國中西部和英國的嘉年華會中,常有人玩、但一般人比較不熟悉的賭法:骰子擲好運(chuck-a-luck)。

招攬人來玩「骰子擲好運」的說詞極具說服力:你從 1 到 6 挑一個號碼,莊家一次擲三顆骰子,如果三個骰子都擲出你挑的號碼,莊家付你 3 美元。要是三個骰子裡出現兩個你挑的號碼,莊家付你 2 美元。

假如三個骰子裡只出現一個你挑的號碼,莊家付你 1 美元。如果你挑的號碼一個也沒有出現,那你要付莊家 1 美元。賽局用三個不同的骰子,你有三次機會贏,而且,有時候你還不只贏 1 美元,最多也不過輸 1 美元。

我們可以套用名主持人瓊安.李維絲(Joan Rivers)的名言(按:她的名言是:「我們能聊一聊嗎?」),問一句:「我們能算一算嗎?」(如果你寧願不算,可以跳過這一節。)不管你選哪個號碼,贏的機率顯然都一樣。不過,為了讓計算更明確易懂,假設你永遠都選 4。骰子是獨立的,三個骰子都出現 4 點的機率是 1/6×1/6×1/6=1/216,你約有 1/216 的機率會贏得 3 美元。

-----廣告,請繼續往下閱讀-----

僅有兩個骰子出現 4 點的機率,會難算一點。但你可以使用第 1 章提到的二項機率分布,我會在這裡再導一遍。三個骰子中出現兩個 4,有三種彼此互斥的情況:X44、4X4 或 44X,其中 X 代表任何非 4 的點數。而第一種的機率是 5/6×1/6×1/6=5/216,第二種和第三種的結果也是這樣。三者相加,可得出三個骰子裡出現兩個 4 點的機率為 15/216,你有這樣的機率會贏得 2 美元。

圖/envato

同樣的,要算出三個骰子裡只出現一個 4 點的機率,也是要將事件分解成三種互斥的情況。得出 4XX 的機率為 1/6×5/6×5/6=25/216,得到 X4X 和 XX4 的機率亦同,三者相加,得出 75/216。這是三個骰子裡僅出現一個 4 點的機率,因此也是你贏得 1 美元的機率。

要計算擲三個骰子都沒有出現 4 點的機率,我們只要算出剩下的機率是多少即可。算法是用 1(或是100%)減去(1/216 +15/216 + 75/216),得出的答案是 125/216。所以,平均而言,你每玩 216 次骰子擲好運,就有 125 次要輸 1 美元。

這樣一來,就可以算出你贏的期望值($3×1/216)+($2×15/216)+($1×75/216)+(–$1×125/216)=$(–17/216)=–$0.08。平均來說,你每玩一次這個看起來很有吸引力的賭局,大概就要輸掉 8 美分。

-----廣告,請繼續往下閱讀-----

尋找愛情,有公式?

面對愛情,有人從感性出發,有人以理性去愛。兩種單獨運作時顯然效果都不太好,但加起來⋯⋯也不是很妙。不過,如果善用兩者,成功的機率可能還是大一些。回想舊愛,憑感性去愛的人很可能悲嘆錯失的良緣,並認為自己以後再也不會這麼愛一個人了。而用比較冷靜的態度去愛的人,很可能會對以下的機率結果感興趣。

在我們的模型中,假設女主角——就叫她香桃吧(按:在希臘神話中,香桃木﹝Myrtle﹞是愛神阿芙蘿黛蒂﹝Aphrodite﹞的代表植物,象徵愛與美)有理由相信,在她的「約會生涯」中,會遇到 N 個可能成為配偶的人。對某些女性來說,N 可能等於 2;對另一些人來說,N 也許是 200。香桃思考的問題是:到了什麼時候我就應該接受X先生,不管在他之後可能有某些追求者比他「更好」?我們也假設她是一次遇見一個人,有能力判斷她遇到的人是否適合她,以及,一旦她拒絕了某個人之後,此人就永遠出局。

為了便於說明,假設香桃到目前為止已經見過 6 位男士,她對這些人的排序如下:3—5—1—6—2—4。這是指,在她約過會的這 6 人中,她對見到的第一人的喜歡程度排第 3 名,對第二人的喜歡程度排第 5 名,最喜歡第三個人,以此類推。如果她見了第七個人,她對此人的喜歡程度超過其他人,但第三人仍穩居寶座,那她的更新排序就會變成 4—6—1—7—3—5—2。每見過一個人,她就更新追求者的相對排序。她在想,到底要用什麼樣的規則擇偶,才能讓她最有機會從預估的 N 位追求者中,選出最好的。

圖/envato

要得出最好的策略,要善用條件機率(我們會在下一章介紹條件機率)和一點微積分,但策略本身講起來很簡單。如果有某個人比過去的對象都好,且讓我們把此人稱為真命天子。如果香桃打算和 N 個人碰面,她大概需要拒絕前面的 37%,之後真命天子出現時(如果有的話),就接受。

-----廣告,請繼續往下閱讀-----

舉例來說,假設香桃不是太有魅力,她很可能只會遇見 4 個合格的追求者。我們進一步假設,這 4 個人與她相見的順序,是 24 種可能性中的任何一種(24=4×3×2×1)。

由於 N=4,37% 策略在這個例子中不夠清楚(無法對應到整數),而 37% 介於 25% 與 50% 之間,因此有兩套對應的最佳策略如下:

(A)拒絕第一個對象(4×25%=1),接受後來最佳的對象。

(B)拒絕前兩名追求者(4×50%=2),接受後來最好的求愛者。

如果採取A策略,香桃會在 24 種可能性中的 11 種,選到最好的追求者。採取 B 策略的話,會在 24 種可能性中的 10 種裡擇偶成功。

以下列出所有序列,如同前述,1 代表香桃最偏好的追求者,2 代表她的次佳選擇,以此類推。因此,3—2—1—4 代表她先遇見第三選擇,再來遇見第二選擇,第三次遇到最佳選擇,最後則遇到下下之選。序列後面標示的 A 或 B,代表在這些情況下,採取 A 策略或 B 策略能讓她選到真命天子。

-----廣告,請繼續往下閱讀-----

1234;1243;1324;1342;1423;1432;2134(A);2143(A);2314(A, B);2341(A, B);2413(A, B);2431(A, B);3124(A);3142(A);3214(B);3241(B);3412(A, B);3421;4123(A);4132(A);4213(B);4231(B);4312(B);4321

如果香桃很有魅力,預期可以遇見 25 位追求者,那她的策略是要拒絕前 9 位追求者(25 的 37% 約為 9),接受之後出現的最好對象。我們也可以用類似的表來驗證,但是這個表會變得很龐雜,因此,最好的策略就是接受通用證明。(不用多說,如果要找伴的人是男士而非女士,同樣的分析也成立。)如果 N 的數值很大,那麼,香桃遵循這套 37% 法則擇偶的成功率也約略是 37%。接下來的部分就比較難了:要如何和真命天子相伴相守。話說回來,這個 37% 法則數學模型也衍生出許多版本,其中加上了更合理的戀愛限制條件。

——本書摘自《數盲、詐騙與偽科學》,2023 年 11 月,大牌出版,未經同意請勿轉載。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

大牌出版.出版大牌_96
3 篇文章 ・ 0 位粉絲
閱讀的大牌不侷限於單一領域, 視野寬廣,知識豐富,思考獨立。