1704440410
1704440411
阿姆斯特朗和施密特都不愿意对气温走向作对冲预测（即两面下注）。阿姆斯特朗对我说：“我们模拟了1850~2007年的气温走向，看到前100年的气温变化时，我几乎可以确定与戈尔打的那个赌，我赢定了。”而施密特则认为气温将会继续上升，他还愿意提供诱人的赔率与任何人打赌。“我敢打赌下一个10年的气温将会比这个10年的气温还高，以多大的赔率打赌都行，即使是100∶1的赔率，我也同意。”
1704440412
1704440413
前文中提到的统计预测方法，就可以解决阿姆斯特朗和戈尔之间的争论——他们两个的预测都不是十分准确。如果你以10年为期限测量气温的发展趋势，那么自1900年以来，呈升温趋势的时间占到75%，而呈降温趋势的时间只占25%。随着大气中二氧化碳浓度的增加速度不断加快，温室效应的信号也不断增强，气温持平期或下降期的出现频率也会降低。尽管如此，此类情况出现的概率总是存在的，就如100∶1的赔率也会存在一样。如果你认为二氧化碳的浓度会以目前（即每年2PPM）的速度增长，那么根据这一统计方法，在某个特定的10年里不会出现净升温的概率为15%。
1704440414
1704440415
不确定性是预测必不可少且不可或缺的一部分。正如我们所知道的那样，有时对不确定性的一个可靠而准确的表达有可能会拯救许多财产和生命。在其他情况下，比方说股票期权交易或者是赌一场 NBA 比赛，你赌的也许就是自己预测不确定性的能力。
1704440416
1704440417
之所以需要仔细且明确地对不确定性进行量化，还有另外一个原因，这个原因是科学进步中必不可少的一部分，与贝叶斯定理密不可分。
1704440418
1704440419
假设在2001年之前，你就已经十分笃信二氧化碳排放会导致气温持续上升。（在我看来，这是恰当合理的，因为我们对温室效应的理论研究和实验证据都支持这样的观点。）你认为全球变暖假说有95%的概率是正确的。
1704440420
1704440421
但是，之后你观察到一些新的证据：在接下来的10年里，也就是从2001~2011年，全球气温非但没有上升，反而下降了，尽管降幅很小，但的确是下降了。根据贝叶斯定理，此时你应该将全球变暖假说成立的概率预测值下调，而问题在于气温究竟下降了多少。
1704440422
1704440423
如果你已经正确地预测到短期气温变化模式中的不确定性，那么对自己估值的下调幅度就不会非常大，反之调整幅度会很大。正如我们所看到的那样，在10年内，即使出于气候多样性的原因，全球变暖假说得到了印证，但不出现净升温的概率也会有15%。相反的，如果气温变化完全是随机且无法预测的，那么就有50%的概率会出现一个气温下降的10年，因为气温上升和下降的概率是一样的。根据贝叶斯定理（表12–2），无净升温的10年会使你很无奈地将自己对全球变暖假说成立的概率预测值从95%下调到85%。
1704440424
1704440425
12–2 贝叶斯定理——全球变暖假说
1704440426
1704440427
先验概率
1704440428
1704440429
全球气温上升的初始预测
1704440430
1704440431
x
1704440432
1704440433
95%
1704440434
1704440435
新证据出现：10年里未出现净升温
1704440436
1704440437
如果全球变暖假说是正确的，10年里不出现净升温的概率
1704440438
1704440439
y
1704440440
1704440441
15%
1704440442
1704440443
如果全球变暖假说是错误的，10年里不出现净升温的概率
1704440444
1704440445
z
1704440446
1704440447
50%
1704440448
1704440449
后验概率
1704440450
1704440451
在10年里不出现净升温的情况下，全球变暖假说成立的概率的重新
1704440452
1704440453
预测
1704440454
1704440455
xy
1704440456
1704440457
xy ＋ z（1－ x）
1704440458
1704440459
[
上一页 ]
[ :1.70444041e+09 ]
[
下一页 ]