Sam L. Savage
https://www.gfoa.org/bio/savage
薩維奇博士在耶魯大學獲得計算複雜性博士學位,之後在通用汽車研究實驗室開始了他的數學家生涯。
此後,他曾在芝加哥大學商學院任教,之後轉任史丹佛大學。他目前是土木與環境工程的兼任教授。機率管理學科源自於2005年在劍橋大學賈奇商學院與Stefan Scholtes教授和Daniel Zweidler(當時任職於殼牌公司)合作進行的研究工作。薩維奇博士一直擔任賈奇商學院院士,任期至2022年。
成立的非營利機構
https://www.probabilitymanagement.org/
Probability Management – A Cure for the Flaw of Averages
https://www.youtube.com/watch?v=O5cqEIxLck0
探討了統計學中的一個核心問題:「平均值的謬誤 (The Flaw of Averages)」,並介紹了他提出的解決方案:「機率管理 (Probability Management)」。
「平均值的謬誤」
- Savage 博士將「平均值的謬誤」或「強形式的詹森不等式 (Jensen's inequality)」定義為:「基於平均假設的計畫,平均而言是錯誤的」。這意味著,當您將平均值輸入到一個非線性模型中時,得到的結果通常不是實際的平均輸出。
- 指出這個問題無處不在,解釋了為什麼「所有事情都延遲、超出預算且低於預期」。
範例:
- 網站開發專案:假設有 10 個團隊平行開發網站,每個團隊平均需要 6 週完成。如果您基於這個平均值估計專案總時程也是 6 週,那實際完成的機會只有約千分之一。這是因為專案的總時程取決於最慢的那個團隊。
- 喝醉酒的人在高速公路上遊蕩:他的平均位置是中線,但「平均而言,他已經死了」。這形象地說明了即使平均值看起來安全,實際結果卻可能非常危險。
- 聖誕平板電腦銷售:如果平均需求是 10 萬台,您預期訂購 10 萬台就能賺取 100 萬美元的平均利潤。但實際上,100 萬美元是最大利潤,而不是平均利潤,因為如果需求低於 10 萬台,利潤就會減少,但不會超過 100 萬美元。實際的平均利潤可能只有 60 萬美元。
解決方案:「機率管理」
- Savage 博士創立了 ProbabilityManagement.org,這是一個非營利組織,致力於為不確定性建立一套標準化的方法,就像阿拉伯數字之於數字一樣。
- 「不確定性的阿拉伯數字」—— Sips 與 Slurps:
- Sip (Stochastic Information Packet,隨機資訊封包):它是「不確定性的阿拉伯數字」,本質上是一個蒙特卡洛試驗的向量(例如,一個包含 10,000 個試驗結果的數列)。Sip 解決了傳統蒙特卡洛模擬難以稽核的問題,因為它是「可稽核的數據形式的不確定性」。
- Slurp (Stochastic Library Unit with Relationships Preserved,關係保留的隨機函式庫單元):當多個不確定變數之間存在相互關聯時(例如,石油價格與各探勘專案的關係),Slurp 能夠保留這些變數之間的關係,確保在模擬時這些關係得到正確的反映。
- 「邊緣分析 (Limbic Analytics)」:Savage 博士將其定義為連接「智力之座 (seat of your intellect)」與「直覺之座 (seat of your pants)」的方式。他認為,理解不確定性需要超越純粹的智力計算,融入直覺和感性理解。這體現在透過視覺化動畫和互動式模型,讓決策者直觀地理解不同情境的可能性。
