数学
Mathematics
数量、结构与概率的形式化工具
共 30 个模型
什么是数学?
数学研究数量、结构、空间和变化的抽象规律,核心问题是「如何用形式化的语言描述和推理世界」。数学不只是计算,更是一种思维方式:抽象、逻辑、证明、建模、概率。数学思维的关键是:把模糊的问题转化为精确的形式,用逻辑推理得出必然结论,用概率处理不确定性,用模型简化复杂世界。理解数学,能让你的思考更严谨、决策更理性、表达更清晰、解决问题更系统。
学习路径
- 1
入门:先读《数学之美》或《什么是数学》,建立对数学的整体认识和兴趣
- 2
基础:复习代数、几何、函数,掌握基本的数学语言和工具
- 3
概率:重点学习概率论和统计学,这是最实用的数学分支
- 4
离散:学习离散数学(集合、逻辑、图论、组合),适合计算机和决策
- 5
微积分:了解微积分的核心思想(极限、导数、积分),理解变化和累积
- 6
应用:将数学思维应用到数据分析、风险评估、决策建模、逻辑推理
数学模型列表
均值回归
Mean Reversion
极端之后会回归平均:表现远超或远低于平均的,后续往往会向平均水平靠拢。
林迪效应
Lindy Effect
越老的东西越长寿:对于不会自然衰老的事物(如书籍、技术、思想),已经存在的时间越长,预期剩余寿命越长。
幂律分布
Power Law Distribution
少数占大多数:分布高度不均,少数个体占据大部分资源,如财富分布、城市规模、网站流量。
小世界网络
Small-World Network
既有局部聚集又有短路径:大多数连接是局部的,少数长连接大幅缩短任意两点的距离。
因果推断
Causal Inference
从数据中推断因果关系:用随机实验、自然实验、匹配等方法,区分相关和因果。
回归分析
Regression Analysis
用变量预测另一个变量:建立自变量和因变量之间的数学关系,用于预测和解释。
聚类分析
Cluster Analysis
把相似的对象分组:无监督学习方法,根据相似度把对象分成不同的簇。
假设检验
Hypothesis Testing
用数据判断假设是否成立:提出原假设和备择假设,用统计量判断是否拒绝原假设。
P值
P-value
观察到当前结果的概率:在原假设成立的条件下,观察到当前或更极端结果的概率,越小越显著。
分形
Fractal
局部与整体自相似:分形物体在不同尺度上具有自相似性,局部放大后看起来像整体。