首页 > 其他分享 >理性决策的艺术:从购房到择偶的数学智慧;37% 规则,做出最佳决策的秘诀;用数学模型解决人生难题

理性决策的艺术:从购房到择偶的数学智慧;37% 规则,做出最佳决策的秘诀;用数学模型解决人生难题

时间:2024-07-01 22:27:08浏览次数:24  
标签:规则 37% 决策 房子 数学家 如果 择偶

在面对人生重大决策时,如购房或择偶,我们常常感到迷茫和困惑。然而,如果我们能够将这些看似复杂的问题简化为数学模型,我们就能以更加理性和系统的方式做出决策。

37%规则

1950年代,当时几位数学家开始研究这样一个问题:

假设你要招聘一名秘书,总共有n个应聘者。

你一个一个地面试他们,每次面试后必须立即决定是否雇佣。

如果你拒绝了一个人,就不能再回头雇佣他。

你的目标是雇佣到最好的那个应聘者。

问题是:你应该采取什么策略来最大化选到最佳人选的概率?

1958年,数学家林德利(D.V. Lindley)发表了一篇论文,首次给出了这个问题的解决方案。

他证明了最优策略是先面试37%的候选人而不做决定,然后选择第一个比之前所有人都好的候选人。

为什么是37%呢?这个数字其实是自然对数的倒数(1/e)的近似值。

在数学上,当候选人数量趋向无穷大时,最优的观察比例正好是1/e,约等于0.368,也就是36.8%。

买房策略

想象一下,你正在看房子。

  1. 市面上有各种各样的房源,你只打算买一套。

  2. 一旦你决定买下某套房子,它就是你的了。

  3. 但如果你犹豫不决,很快就会有人抢先一步。

  4. 你给自己设了个期限,比如说一个月内必须买到房。
    在这里插入图片描述

这些条件虽然简化了现实情况,但正是这种简化让数学家们能够进行计算。

此时我们运用37%规则,把购房过程分成两个阶段。

第一阶段,你只看不买,了解市场,记住看到的最满意的房子。

等到时间过了37%,也就是一个月的第12天,你就进入第二阶段。

从这天开始,只要遇到比之前那个最满意的更好或者差不多的房子,二话不说就买下来。

这个规则听起来可能有点奇怪,但它是数学家们经过艰苦计算得出的。

虽然它不能保证你一定能买到最理想的房子,但在假设房源随机出现的情况下,它是个足够好的方法。

如果你看的房子不到37%就开始买,你可能会后悔买早了;如果超过37%才开始买,你可能会后悔买晚了。

择偶

有意思的是,这个规则不仅适用于买房,还可以用在找对象上。

假设一位女性从18岁开始找对象,打算40岁前结婚。

按照百分之三十七规则,她应该在26.1岁之前只谈不嫁,记住遇到的最心仪的对象。

26.1岁之后,遇到比那个人更好或者差不多的,就该考虑嫁了。

当然,现实总是比数学模型复杂。如果你求婚可能会被拒绝呢?数学家算出,如果每次被拒的概率是50%,那么你应该把37%改成25%。

在这里插入图片描述

换句话说,条件不太好的人可能需要更早地开始行动。

另一方面,如果你条件很好,即使一开始错过了某个人,过段时间再去找他,他可能还是会答应你。

在这种情况下,你的观察期就可以从37%延长到61%。

这些计算结果其实和我们的常识是相符的:条件好的可以多等等,条件差的就得抓紧了。

有人可能会说,这种方法太理性了,缺少了浪漫元素。

但是,如果你非要等待"命中注定的真爱",结果可能是要么懊悔自己没有早点结婚,要么懊悔自己结婚太早。

理性的人应该明白,在适当的时候停止寻找也是一种智慧。

我们经常使用成语典故来帮助思考,其实成语典故就是浓缩了的处世哲学,就是套路。

多掌握一些套路和方法论,心里多积累一些逻辑学概念以及数学和计算机算法,利于决策,没准什么时候就能用上。


欢迎关注我的公众号“德来”,原创文章第一时间推送。

标签:规则,37%,决策,房子,数学家,如果,择偶
From: https://blog.csdn.net/qq_40585384/article/details/140111071

相关文章

  • qoj5371 Matrix (二分图匹配)
    qoj5371Matrix二分图匹配判断无解的情况,当且仅当有\(a_{i,j}\)为负数或每一行和每一列的和不相同时无解。因为\(m\leN^2\),所以我们只需要每一次至少完成一个\(a_{i,j}\)即可。观察\(B\)矩阵的形成,实际上就是一个\(i\)行只能和一个\(j\)列匹配,跑二分图匹配即可。每......
  • 代码随想录算法训练营第四十三天 | 52.携带研究材料 518.零钱总和II 377.组合总和IV 7
    完全背包有N件物品和一个最多能被重量为W的背包,第i间物品的重量为weights[i],价值为value[i],每件物品都有无限个,求解将哪些物品装入背包里,物品价值总和最大遍历顺序:纯完全背包问题(即求装满背包后的最大价值)先遍历背包先遍历物品都是可以的和零一背包求解的最大不同就是遍历顺序......
  • CF1375D Replace by MEX 题解
    题目大意令mexmexmex为序列中最小的没有出现的数。给你一个长度为......
  • MATLAB|实时机会约束决策及其在电力系统中的应用
    目录一、概述二、数学模型 2.1 机会约束决策的情景方法2.2 带有测量的情景方法三、机会约束决策的一种快速方法3.1 通过仿射变换进行近似调节3.2 可行域的仿射变换3.3 两阶段决策算法四、算例——配电网4.1 防止过电压的有功功率削减4.2 数值模拟 4.3 ......
  • 337.特色品牌西餐厅瀑布流响应式网页 大学生期末大作业 Web前端网页制作 html+css+js
    目录一、网页概述二、网页文件 三、网页效果四、代码展示1.html2.CSS3.JS五、总结1.简洁实用2.使用方便3.整体性好4.形象突出5.交互式强六、更多推荐欢迎光临仙女的网页世界!这里有Web前端网页制作的各行各业的案例,样式齐全新颖,并持续更新!感谢CSDN,提供了这......
  • 代码随想录算法训练营第45天 | 198.打家劫舍 、213.打家劫舍II 、337.打家劫舍III
    今天就是打家劫舍的一天,这个系列不算难,大家可以一口气拿下。198.打家劫舍视频讲解:https://www.bilibili.com/video/BV1Te411N7SXhttps://programmercarl.com/0198.打家劫舍.html/***@param{number[]}nums*@return{number}*/varrob=function(nums){const......
  • 机器学习课程复习——决策树
    Q:这三个算法哪一个可以用来做回归?CART Q:这学期学过的分类算法有哪些?支持向量机、决策树、k近邻、逻辑回归、朴素贝叶斯、ANN(注意区分分类算法与聚类算法)Q:计算题根据以上条件,生成相应的决策树 1.ID3算法2.C4.5算法3.CART算法Q:剪枝的逻辑?(由于决策树容易......
  • Transformers--4-37-中文文档-四十五-
    Transformers4.37中文文档(四十五)原文:huggingface.co/docs/transformersOWL-ViT原文:huggingface.co/docs/transformers/v4.37.2/en/model_doc/owlvit概述OWL-ViT(VisionTransformerforOpen-WorldLocalization)是由MatthiasMinderer、AlexeyGritsenko、AustinSton......
  • Transformers--4-37-中文文档-四十四-
    Transformers4.37中文文档(四十四)原文:huggingface.co/docs/transformersLayoutLMv3原文链接:huggingface.co/docs/transformers/v4.37.2/en/model_doc/layoutlmv3概述LayoutLMv3模型由YupanHuang、TengchaoLv、LeiCui、YutongLu、FuruWei在LayoutLMv3:Pre-trai......
  • Transformers--4-37-中文文档-四十三-
    Transformers4.37中文文档(四十三)原文:huggingface.co/docs/transformersGIT原始文本:huggingface.co/docs/transformers/v4.37.2/en/model_doc/git概述GIT模型是由JianfengWang、ZhengyuanYang、XiaoweiHu、LinjieLi、KevinLin、ZheGan、ZichengLiu、CeLiu、L......