0

0
0

文字

分享

0
0
0

《 You Are The One That I Want 》——2019數感盃/高中組專題報導類銅獎

數感實驗室_96
・2019/05/19 ・3368字 ・閱讀時間約 7 分鐘 ・SR值 546 ・八年級

數感盃青少年寫作競賽」提供國中、高中職學生在培養數學素養後,一個絕佳的發揮舞台。本競賽鼓勵學生跨領域學習,運用數學知識,培養及展現邏輯思考與文字撰寫的能力,盼提升臺灣青少年科普寫作的風氣以及對數學的興趣。
本文為 2019數感盃青少年寫作競賽 / 高中組專題報導類銅獎之作品,為盡量完整呈現學生之作品樣貌,本文除首圖及標點符號、錯字之外並未進行其他大幅度編修。

  • 作者:蕭宇岑、林子揚/中正高中。
到底有沒有所謂的真命天子。圖/publicdomainpictures。

愛情或婚姻,到底有沒有所謂的真命天子?大部分的人應該都希望自己能夠遇到一個完美情人,並和他長相廝守。有些人會特別去算命,算算自己會在什麼時候會遇到自己的真命天子;有些人會因為時間壓力而訂一個期限,要在這期限內找到對象,不然就不結婚;而現代社會,更有些人會為了盡快找到結婚對象,而去相親,不論是自己願意,還是被父母逼的。

愛情這種東西,很多人都會說要「看緣分」,也就是說,大部分的人相信,找到另一半是很難掌握的。為了更容易掌握住自己的愛情,人們就會出現去算命、聯誼,乃至於相親的行為了。但是,在這些方式之中,我們是否能透過數學的觀點,得到一個合理的策略,例如當我們在進行相親時,是否能夠透過機率的方式去計算,產生一個最好的策略去選中最好的那位完美情人呢?

我們假設要和100個對象相親(約會),而且每次約會後都必須做決定,就是選擇和他繼續交往或者不繼續,若選擇不繼續發展,也就表示放棄了這個對象,則可以繼續和下一個人相親(約會);若選擇了交往,就不能反悔、不可重新選擇和繼續約會。

若這一百個人我們可以排出名次,也就是說他們有大小關係,而且任兩人不並列,那麼如何才能夠使你有最大的可能選中這100個對象中最好的那一位呢?(先決條件為:只有一個最好的,且只要選最好的。)

-----廣告,請繼續往下閱讀-----

在這裡我們運用數學的「最佳停止理論」:先在前期設定一個期間(淘汰期),這個期間我們將他設為評判標準,也就是說在這期間之內,不論遇到多好的對象都必須放棄,可是過了這個期間之後你擁有了足夠評判標準,因此只要在此後有遇上比這淘汰期任何人還好的對象,也就是目前為止遇到最好的人,則可以直接選擇他。所以這個期間的長短的取捨,其實就是我們選取的策略。

首先假設最好的對象是在第 p 個的位置,在 100 人中他恰好為最好的對象的機率為  1/100 (只有一個最好的對象)。再來假設淘汰期為 x 個人,也就是淘汰掉 x 個人。而為了達成我們的最終目的:選中最好的。在遇到 P 之前,從第1位到第 P−1 位內最好的人,就必須介在第1到第x間(淘汰期內),被當成選出 p。的標準,也就是說他被淘汰掉。如此一來,就能在x後,準確地選中最好的對象( p。)。

故以為x, p 為變數, p為最好且選中p之機率函數為:

當固定淘汰 x 人後,考慮p的位置。當 p。在淘汰期(x)內時,我們選中他的機率便為0,故只需要考慮p=x+1一直到p=100的時候。選中最好的對象的機率為f(X)為:

-----廣告,請繼續往下閱讀-----

讓我們思考一下,剛開始隨著x(淘汰期)的增加,我們有更好的標準,故選中最好的機率f(X)的函數圖形是遞增的,但是當x超過某數時,不但會造成標準過高,還會造成選擇變少,故此時選中最好的機率f(X)會變成遞減。故可推估隨著x值的變大,機率會先增加後減少,而我們需要最大的機率(f(X)成最大值),所以考慮x的後項(x+1)會恰好剛比前項(x)還差的情況(代入函數後相減為負),且為最小值以數學式表示:

f1(x+1)−f1(X)<0且x為最小值  (圖1)

(x+1)−f(X)且 x 為最小值

經過我們帶入數字計算,發現 x為 37 有最大的機率 37.1042 %,也就是說我們將前 37 個淘汰做為標準,則我們就會有約 37 %的機會選到最好的對象。

但是!37 %⋯⋯顯示出有將近六成的機率會失敗,並且若最好的人剛好被淘汰掉時,就會做出不結婚的決定,則會有 37 %的機率會孤老一生!這個結果顯然不合情理。而為了提高選中最好的對象的機率,並降低孤老終生的狀況發生,現代的社會也慢慢地接受了再婚、第二春。

-----廣告,請繼續往下閱讀-----

所以我們將條件增加一個「可以離婚一次」。為了避免重複上方計算過的運算結果,也就是沒有離婚的情況,增加條件後,計算過程內先單純考慮離婚一次再遇到最好的機率。也就是說,在選中最好的對象前,我們可以先選一位跟他交往,之後仍然可以繼續相親,並且有權可以捨棄現在的對象,並和另一位交往,但這僅限一次且之後的條件就和原本一樣,不可反悔、不可回頭重新選擇。這裡我們先單純考慮一定需要離婚的情況,再加上不離婚的情況(上方的結果),即為所求。

首先我們同樣假定最好的人在 100 個對象中的第p位,然後必須在遇到最好的人p之前,先選到第1位到第p位內第二好的人,如此才能在離婚一次的狀態下選到最好的p,我們先稱之為局部第二好。而這個局部第二好,其實也就是前面所說的「第1位到第p−1位內最好的人」。

假設局部第二好是在100個對象中的第q位,而q為p−1中最好的機率為 1/p-1 。為了達到「離婚一次」的情況發生,q必須介在 x 和 p 之間,且在遇到 q 之前,第1位到第 x 位內最好的人(1到 q 中局部的第二好),就必須介在第1到第 x 間(淘汰期內),被當成選出q的標準,並被我們淘汰掉。如此一來,就能在x後,準確地選中局部第二好的對象(q),並發生離婚一次的情況,然後再選中最好的對象(p)。

故以 x , p, q 為變數, p為最好、q為局部第二好且選中p之機率函數為:

-----廣告,請繼續往下閱讀-----

此時有p>q>x。

當固定淘汰x人後,且考慮q(局部第二好的人)的位置。當 q 在淘汰期內或 p 之後,發生離婚且再婚選中最好的機率為0(q會被淘汰或沒有發生離婚的情況),故q=x+1一直到q=p−1的時候,選到最好的對象在p的位置上的機率就是:

當固定淘汰x人後,且考慮完q的位置,再考慮p的位置。當p在淘汰期內或p在淘汰期後的第一位,發生離婚且再婚選中最好的機率為0 (會被淘汰或沒有發生離婚的情況),故p=x+2一直到p=100的時候,選到最好的人機率就是:

此時亦有:

-----廣告,請繼續往下閱讀-----

這裡為必離一次婚的機率,故總機率F(X)為不離婚與離一次婚的總和,即:F(x)=f(x)+f(x)

此時欲有: 

此時欲求F(x)的最大值,即找使得F(x+1)−F(x)<0且x為最小值:

假設:

-----廣告,請繼續往下閱讀-----

最後簡化得算式:

把 K 代入數字運算,得到x為 24 時,K為<2的最大值。有最大的機會在可以離婚的情況下選到最好的對象。

經過我們的計算,發現x為24時,f(24)≈0.3463406、f≈0.2460007,也就是說有離婚一次的機會,在一樣的(淘汰期)為 24 時,為我們增加了約 24 %的成功率,使我們最大的機率有約 59.243 %的成功率,也就是說我們將前 24 個淘汰做為標準,則我們就會有接近六成的機率選到最好的對象。

至此因為我們利用了數學算出了最佳停止的時刻,而且加了可以接受離婚一次的條件,不但可以縮短淘汰期減少淘汰掉最好對象的可能,也減少了淘汰最好對象的機會(孤老一生的機會降低),所以使得成功率增加了不少,顯然這個結果是更好的。

-----廣告,請繼續往下閱讀-----

人生中其實做這種不可後悔的決定是很常見的,除了結婚之外,諸如工作、學業,甚至於今天晚上吃什麼,許多時候總是做著這樣子不可後悔的決定。在做決定的時候我們除了憑自己的第六感之外,其實動筆計算一下,運用我們所學過的數學技巧,可以幫助我們能夠更好的擬定策略。如此看來,除了前六感外,若人生中多了數感做為第七感,似乎就可以做出最好的決定,也避免與完美情人擦身而過!可以過得更加愉快呢!

參考資料

  1. 假設情況
  2. 最佳停止理論

更多2019數感盃青少年寫作競賽內容,歡迎參考 2019數感盃特輯、數感實驗室官網粉絲頁喔。

文章難易度
數感實驗室_96
60 篇文章 ・ 40 位粉絲
數感實驗室的宗旨是讓社會大眾「看見數學」。 數感實驗室於 2016 年 4 月成立 Facebook 粉絲頁,迄今超過 44,000 位粉絲追蹤。每天發布一則數學文章,內容包括介紹數學新知、生活中的數學應用、或是數學和文學、藝術等跨領域結合的議題。 詳見網站:http://numeracy.club/ 粉絲專頁:https://www.facebook.com/pg/numeracylab/

0

0
0

文字

分享

0
0
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。

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。

0

1
0

文字

分享

0
1
0
如何增進夫妻感情?答案比你想像中簡單——《怪咖心理學之 59 秒的練習》
azothbooks_96
・2023/06/01 ・3982字 ・閱讀時間約 8 分鐘

-----廣告,請繼續往下閱讀-----

怎樣才能讓夫妻的感情加溫且長長久久?研究證實,只要夫妻一起玩障礙競賽就會大有幫助! 

實驗證明:墜入愛河可能比想像中簡單

一九八○年代末期,麻州克拉克大學(Clark University)的詹姆斯‧萊爾德(James Laird)與同仁刊登廣告,招募自願者參與一項罕見的實驗,探討第六感有沒有可能存在。他們安排互不相識的男女同時抵達實驗室,經歷一段特別的流程。研究人員解釋,兩位受測者做心電感應測試以前,必須先做默契培養練習。研究人員請受測者花點時間凝視對方的眼睛,然後再把他們帶到不同的房間,讓其中一人看幾張簡單的照片,請另一人用感應的方式猜測那些照片的性質。

研究結束後,萊爾德觀察他的資料,發現沒有證據顯示心電感應力。他覺得失望嗎?一點也不。事實上,這個研究和心電感應無關,所謂的心電感應測試只是一個幌子,他們的目的是想做愛情心理研究。

心電感應測驗只是一個幌子,實際上是為了研究人們的「愛情心理」。 圖/envato

很多人認為墜入愛河是很複雜的事,視外表、個性、默契、機會等複雜的因素混合而定。不過,萊爾德有另一番看法,他懷疑這種獨特神祕的感覺可能很直接了當,或許有可能用幾個小心安排的時間點製造出來。他的假設很簡單,從日常生活即可明顯看出,相愛的人會花不少時間凝視彼此的雙眼。萊爾德想知道反過來是否也成立:讓兩人彼此凝視一會兒,是不是也有可能產生愛意?

一般而言,盯著陌生人瞧,頂多讓人覺得很怪或不禮貌,所以萊爾德必須編出可信的理由,讓人可以彼此凝視更久,所以他才會想出用心電感應測試做為幌子。受測者在不知情下凝視彼此的雙眼,那行為看起來就像他們覺得彼此有魅力一樣,萊爾德覺得這樣就足以激發愛意了。

-----廣告,請繼續往下閱讀-----

假心電感應測試結束後,萊爾德請所有受測者評估他們對實驗伙伴有多少愛戀的感覺。驚人的是,資料證明萊爾德想得沒錯,受測者果然對新認識的伙伴有好感,覺得對方有吸引力。

這研究變成了解感情心理的一種創新方式。根據這種觀點, 不僅我們的想法與感覺會影響我們的行動,我們行動的方式也會反過來影響我們的想法與感覺。

萊爾德發現長時間凝視對方,也有機率增加彼此好感度。 圖/envato

增加新奇感,可以增加對彼此的吸引力

萊爾德不是唯一探索如何用這種方式幫助研究人員更了解人心運作的人,紐約州立大學石溪分校的艾隆與同仁做的另一個研究顯示,同樣的方法也可以讓夫妻變得更親近。感情的發展一開始通常充滿興奮,愛戀的雙方都很享受和新伙伴一起體驗生活的新鮮感。

但是快轉二十年後,往往會出現全然不同的情況,雙方都很熟悉彼此,生活變得平淡無奇。同樣的餐廳、同樣的度假地點、同樣的交談。雖然熟悉感令人放心,也讓人覺得無聊,不太可能讓人再像以往一樣怦然心動。

艾隆心想,如果凝視彼此的雙眼可以讓人產生愛意,讓老夫老妻這麼做,是不是也能讓他們感受到戀愛時期的興奮感,幫他們重燃愛火。也就是說,打破一成不變的婚姻生活,做點新奇好玩的事,也可以讓他們覺得彼此更有吸引嗎?在最初的實驗中,艾隆刊登報紙廣告,徵求夫妻參與實驗,探討「影響婚姻關係的因素」。

-----廣告,請繼續往下閱讀-----

如何增加生活新奇感?一起玩障礙賽就好!

自願受測者到達實驗室時,他們就請每對夫妻做一份有關婚姻關係的問卷,並隨機把他們分成兩組。之後研究人員搬開所有桌椅,鋪上健身房用的墊子,開始做下一階段的研究。

研究人員給其中一半的夫妻一卷魔鬼氈,告訴他們即將參與一個比較奇怪的遊戲。如果那對夫妻一聽到說明就雙眼為之一亮,會心相視,研究人員就馬上拿走魔鬼氈,請他們離開。至於留下來的人,研究人員用魔鬼氈把一人的右手腕和配偶的左手腕綁在一起,也把他們的左右腳踝綁在一起。

研究人員忍住哼唱萊諾‧李奇〈Stuck On You〉(譯註:直譯是「黏上你」,亦即「戀上你」)一曲的衝動,在房間的中央放一個一米高的泡棉障礙,給每對夫妻一個大枕頭。每對夫妻都必須趴在地上,爬過障礙,到房間的另一端,再轉頭爬回障礙,再次跨過它,回到起點。

為了讓過程更有趣,他們必須隨時把枕頭夾在兩人身體之間(不准用手掌、手臂或牙齒),必須在六十秒內完成。為了不讓任一組失望,研究人員請受測者都拿下手錶(「我們不希望手錶在混亂中刮傷了」),假裝每個人都在限定時間內完成任務。

-----廣告,請繼續往下閱讀-----

他們叫另一組的夫妻做比較平常的事,給其中一人一顆球, 請他趴下來,把球滾到房間中央,讓他的配偶在房間的另一邊觀看。球滾到中央時,兩人再交換角色,由另一人把球滾回起點。

研究人員假設多數夫妻不會有很多機會一起爬過泡棉障礙, 所以那經驗應該滿新奇有趣的,那是給他們機會一起達成目標,並從罕見的新觀點觀看彼此。概念上來說,這就像他們初次見面時,比較令人興奮的經驗。相反的,另一組是對照組,他們做的事情比較平凡無奇,也沒有合作效果。

實驗結束後,他們請所有夫妻填寫幾份問卷(其中包括一份名稱很不浪漫的問卷〈浪漫愛情徵狀核對表〉),評估的項目包括配偶讓他們「心動」與「滿心歡喜」的程度。誠如預期,爬過大型泡棉障礙的夫妻對彼此的愛意比完成滾球任務的夫妻還深。只花幾分鐘一起做新奇有趣的活動,似乎產生了意想不到的效果。

一個新奇的體驗(障礙賽),就可以幫助夫妻加深感情。圖/envato

在上述結果的鼓勵下,艾隆與研究團隊又重複了一次實驗, 不過這次他們是以不同的方式衡量婚姻的滿意度。研究結束時, 研究人員拍下每對夫妻閒聊下次假期規畫或如何裝修家裡的影片,然後請另一組研究人員觀察影片,仔細計算影片裡夫妻任一人反對對方的次數。結果顯示,綁魔鬼氈的夫妻做出較多的正面評論。

-----廣告,請繼續往下閱讀-----

艾隆的研究再次證明,我們的行為會大幅影響我們的思考與感覺。就像凝視陌生人可以讓雙方互相產生吸引力一樣,進行和熱戀時期有關的活動,也可以幫人重新點燃過去的熱情。

根據這個研究,想要常保感情的熱度,可能只要靠一卷魔鬼氈、一大塊泡棉障礙和開放的心胸就夠了。

同場加映:了解對方想要什麼

最近我做了一次大規模的網路調查,探討浪漫舉動的心理。我和作家瑞秋‧阿姆斯壯(Rachael Armstrong)合作設計一份問卷,裡面列了許多不同的浪漫敘述,例如「另一半辛苦工作一天後,幫他放滿一盆溫熱的洗澡水」、「對方感到冷時,脫下自己的外套幫他披上」、「突然帶另一半去某個刺激的地方共度週末」。

那份調查總共吸引一千五百多位來自英美的網友完成問卷,研究結果有助於透露浪漫背後不為人知的心理。女人常抱怨男人不夠浪漫,但調查結果也確認她們的懷疑嗎? 

我們請女性閱讀那份清單,指出他們的伴侶多常做那些浪漫舉動,結果頗令人失望。55% 的女性表示,她們辛苦工作一天回家後,另一半從來沒幫她們放過洗澡水。45% 表示她們覺得冷時,另一半從來沒脫下外套讓她們禦寒。53% 表示另一半從來沒有突然帶她們去度意外的週末。這些客觀的數據證實了長久以來女性覺得男性不夠浪漫的抱怨,但是這些失望數據可能是什麼因素造成的? 

在另一部份的調查中,我們請男性受訪者閱讀浪漫清單,用一到十來評分他們做任一舉動時,女性覺得有多浪漫。我們也請女性受訪者用一到十評分,如果另一半做任一浪漫舉動時,她們覺得有多浪漫。結果顯示,連最簡單的舉動男性都會大幅低估它的浪漫程度。

-----廣告,請繼續往下閱讀-----

例如,只有 11% 的男性覺得「告訴她,她是你見過最棒的女人」非常浪漫,但有 25% 的女性覺得那很浪漫。同樣的,只有 8% 的男性覺得「女人辛苦工作一天後,幫她放洗澡水」很浪漫,但有 22% 的女性覺得那很浪漫。幾乎每一項浪漫舉動都得出同樣的結果,這顯示男性不願做浪漫的舉動可能不是因為懶惰或不體貼,而是因為他們低估了女性對浪漫舉動的觀感。

那份調查的結果也透露了女性覺得最浪漫與最不浪漫的舉動,剛好可以為有心求愛的男性提供一點指南。以下列出十大浪漫舉動,以及認為那舉動非常浪漫(給十分)的女性比率: 

1. 蒙上她的眼,給她一個驚喜(40%)。
2. 突然帶她到某個地方共度意外週末(40%)。
3. 為她寫首歌或寫一首詩(28%)。
4. 告訴她,她是你遇過最棒的女人(25%)。
5. 她辛苦工作一天後,幫她放洗澡水(22%)。
6. 傳給她一則浪漫簡訊或電子郵件,或在家裡留一張浪漫的紙條(22%)。
7. 幫她準備床前早餐(22%)。
8. 她感到冷時,脫下外套幫她披上(18%)。
9. 送一大束花或一盒巧克力到她上班的地方(16%)。
10. 幫她把最愛的音樂編集在一起(12%)。

有趣的是,有逃離現實與意外驚喜的舉動最受女性青睞,之後是反映體貼的舉動,明顯偏物質享樂的舉動則殿後。科學證明,關於浪漫,最重要的或許是心意。

-----廣告,請繼續往下閱讀-----

——本文摘自《怪咖心理學之 59 秒的練習,靠表情、姿勢和小動作,輕鬆翻轉工作與人生!、社區裡的用藥悲劇與重生》,2023 年 4 月,漫遊者文化出版,未經同意請勿轉載。

azothbooks_96
53 篇文章 ・ 21 位粉絲
漫遊也許有原因,卻沒有目的。 漫遊者的原因就是自由。文學、人文、藝術、商業、學習、生活雜學,以及問題解決的實用學,這些都是「漫遊者」的範疇,「漫遊者」希望在其中找到未來的閱讀形式,尋找新的面貌,為出版文化找尋新風景。

0

10
2

文字

分享

0
10
2
鑑識故事系列:Lucia de Berk 值班死幾人?荷蘭護理冤案
胡中行_96
・2023/02/27 ・2983字 ・閱讀時間約 6 分鐘

-----廣告,請繼續往下閱讀-----

前言:本文為鑑識系列中,罕見提及統計學的故事。不過,繁複的計算過程全部省略,僅討論統計概念和辦案原理。請害怕數學的讀者放心。

護理人員 Lucia de Berk。圖/Carole Edrich on Wikimedia Commons(CC BY-SA 3.0)

荷蘭護理人員 Lucia de Berk,長年於海牙茱莉安娜兒童醫院(Juliana Kinderziekenhuis)的 1 個病房,與紅十字醫院(Rode Kruis Ziekenhuis)的 2 個病房工作。2001 年 12 月,她因謀殺罪嫌被捕。[1]

超幾何分佈

警方起先偵辦 2 名住院病患的死因,發現是中毒身亡;後來連帶調查 1997 至 2001 年間,幾家醫院可能的謀殺案件,於是找上了她。[2]在法庭上,司法心理學家 Henk Elffers 用機率的概念,證明 Lucia de Berk 有罪。簡單來說,就是計算嫌犯現身出事班次的機率。他採取的統計方法,叫做超幾何分佈(又稱「超幾何分配」;hypergeometric distribution)。[1]

超幾何分佈適合用在從一個母數中,隨機抽取樣本,不再放回的情形。例如:袋子裝有 N 顆球,其中 L 顆為紅球。一把抓出 n 顆球,不特別挑選的話,紅球碰巧被抓到的機率為 X。[3, 4]以此類推,在此案被調查的時間範圍內,病房總共有 N 個班次,其中 Lucia de Berk 值了 L 班,而有醫療事故的班次共 n 個。如果不刻意安排,則她正好出現在事故班次的機率為 X。[1]公式介紹。[4]

此處實際帶入數據後得到的答案,說明 Lucia de Berk 理論上應該只有 3 億 4 千 2 百萬分之一(X = 1 / 3.42 x 108)的機率,會剛好在醫療事故發生的班次值班。因此,法庭認定她的頻繁出現(> 1 / 3.42 x 108),絕非巧合。[1, 2, 5, 6]2003 年,Lucia de Berk因 7 起謀殺和 3 次殺人未遂,[2]被判終身監禁。[5]

茱利安納兒童醫院(Juliana Kinderziekenhuis)外觀。圖/Joris on Wikimedia Commons(CC BY-SA 3.0)
紅十字醫院(Rode Kruis Ziekenhuis)已於 2021 年關閉。圖/1Veertje on Wikimedia Commons(CC BY-SA 4.0)。

統計謬誤

當時有位醫師任職於 Lucia de Berk 待過的一家醫院。他的女性姻親 Metta de Noo-Derksen 醫師,以及 Metta 的兄弟 Ton Derksen 教授,都覺得事有蹊蹺。[7]Metta 和 Ton 檢視死者的病歷紀錄,並指出部份醫療事故的類型和事發時間,與判決所用的數據對不起來因為後者大半仰賴記憶,他們甚至發現有些遭指控的班次,Lucia de Berk 其實不在現場。然而,光是這些校正,還不足以推翻判決。[1, 7]

-----廣告,請繼續往下閱讀-----

所幸出生於英國的荷蘭萊頓大學(Universiteit Leiden)統計學榮譽教授 Richard Gill,也伸出援手。[2]在協助此案的多年後,他的團隊發表了一篇論文,解釋不該使用超幾何分佈的理由,例如:[1]

  1. 護理人員不可互換:所有受訪醫師都說,護理人員可以相互替換;但是護理人員覺得,他們無法取代彼此。由於各別的個性與行事風格迥異,他們對病患的影響也不同。[1]
  2. 醫療事故通報機率:既然每個護理人員都有自己的個性,他們判定某事件為醫療事故,並且通報醫師的機率也不一樣。[1]畢竟醫院的通報規定是一回事;符合標準與否,都由護理人員判斷。比方說,有個病患每次緊張,血壓就破表。那就讓他坐著冷靜會兒,再登記第二次測量的正常結果即可。不過,難免會有菜鳥護士量一次就嚇到通報,分明給病房添亂。
  3. 班次與季節事故率:夜間與週末只剩護理人員和少數待命的醫師;季節性的特定病例增減;以及病患的生理時鐘等,都會影響出事的機率。[1]
  4. 護理排班並不平均:護理人員的班次安排,理想上會有帶狀的規律。可能連續幾天都是白班,接著是幾個小夜班之類的,[1]比較方便調整作息。此外,護理人員的資歷和個性,通常也會被納入考量。[1]以免某個班次全是資深人員;但另個班次緊急事故發生時,卻只剩不會臨機應變的新手。在這樣的排班原則下,如果單看某個時期的班表,每個人所輪到的各類班次總數,應該不會完全相同。
  5. 出院政策曾經改變:茱莉安娜兒童醫院在案發期間,曾經針對確定救不活的小病患,是否該在家中或病房離世,做過政策上的調整。帳面上來說,算在病房裡的事故量絕對會有變化。[1]

總之,太多因素會影響護理排班,或是干擾醫療事故的通報率,因此不能過度簡化成抽取紅球那樣的隨機概念。更嚴重的是,Henk Elffers 在計算過程中,分開處理 3 個病房的機率,然後再相乘。Richard Gill 的團隊強調,這樣會造成在多處上班的護理人員,比只為一處服務者,看起來有較高的嫌疑。[1]

帕松分佈

因應這種情境,Richard Gill 教授建議採用帕松分佈(又譯「布阿松分配」;Poisson distribution),[1]一種描述特定時間內,事件發生率的統計模型。[8]有別於先前的計算方法,在這裡事故傾向(accident proneness),以及整體排班狀況等變因,都納入了考量。前者採計護理人員通報醫療事故的意願強度;後者則為輪班的總次數。這個模型通常是拿來推估非尖峰時段的來電、大城市的火災等,也適用於 Lucia de Berk 的案子。[1](深入瞭解公式計算(p. 4 – 6)。[1, 8]

雖然此模型的細節複雜,統計學家得大費周章解釋給法官聽,但是考慮的條件比較趨近真實。倘若套用原始判決的數據,這個計算最後的答案是 0.0206161,意即醫療事故本來就有 49 分之 1 的機率,會與 Lucia de Berk 的班次重疊。如果帶入 Mettade Noo-Derksen 和 Ton Derksen 校正過的數據,機率更高達 9 分之 1。[1, 9]換句話說,她單純是倒楣出現在那裡,就被當作連續殺人犯。[6]

其他證據與翻案

大相逕庭的計算結果,顯示出選擇正確統計模型的重要性。然而,最不合理的,是以機率作為判決的主要根據。就謀殺案件來說,怎能不忠於病歷或驗屍報告?Richard Gill 教授接受美國犯罪學講師 Jon Robins 的訪問時,表示後來由醫師和毒物學家組成的獨立團隊,被允許瀏覽當初沒送上法庭的關鍵資料。[2]他們發現原本被視為受害者的病患,根本都喪命於自然死因。[2, 6]

在各方人士的協助下,Lucia de Berk 還是歷經兩次上訴失敗。[6]她曾於 2008 年,被允許在家等候重審結果。[1]但直到 2010 年 4 月,司法才還她清白。[7]Ton Derksen 認為,在荷蘭像這樣誤判的案件,約佔總判決數的 4 至 11%,也就是每年 1,000 人左右。不過,2006 到 2016 年間被判刑的 2 萬 3 千人裡,只有 5 個上訴到最高法院,而且僅 Lucia de Berk 的案子得以平反。[10]

-----廣告,請繼續往下閱讀-----
Lucia de Berk 冤案改編電影的海報。圖/電影《Lucia de B.》(2014) on IMDB

  

參考資料

  1. Gill RD, Groeneboom P, de Jong P. (2018) ‘Elementary Statistics on Trial—The Case of Lucia de Berk’. Chance 31, 4, pp. 9-15.
  2. Robins J. (10 APR 2020) ‘Ben Geen: Statisticians back former nurse’s in last chance to clear name’. The Justice Gap.
  3. 超幾何分佈」國立高雄大學統計學研究所(Accessed on 03 FEB 2023)
  4. 李柏堅(06 FEB 2015)「超幾何分配CUSTCourses on YouTube.
  5. Sims J. (24 FEB 2022) ‘Are We in the Midst of a Data Illiteracy Epidemic?’. Inside Hook.
  6. Schneps L, Colmez C. (26 MAR 2013) ‘Justice Flunks Math’. The New York Times.
  7. Alexander R. (28 APR 2013) ‘Amanda Knox and bad maths in court’. BBC News.
  8. 李伯堅(04 FEB 2015)「布阿松分配」CUSTCourses on YouTube.
  9. Wilson D. (13 DEC 2022) ‘Red flag to be wary of when hunting a killer nurse’. The Herald, Scotland.
  10. One in nine criminals may have been wrongly convicted – research’. (21 NOV 2016) Dutch News.
胡中行_96
169 篇文章 ・ 65 位粉絲
曾任澳洲臨床試驗研究護理師,以及臺、澳劇場工作者。 西澳大學護理碩士、國立台北藝術大學戲劇學士(主修編劇)。邀稿請洽臉書「荒誕遊牧」,謝謝。