2016年4月23,24日(正态分布是如何让你遇见美女的?)

今天下午到Urbana中城一个叫Book to prisoners的图书义卖做志愿者。也就是搬搬书,搬搬桌椅之类的,所谓事后清理,据说他们花了三天搬出来的书,被我们一个小时就收拾好了:)。

我在去之前,原以为这次义卖会是年轻人组织的、大人带着小孩过来参观、露天摆摊儿、朝气蓬勃的景象。

然而我所见到的是一个十分普通的公益组织,坐落于中城一个只看外表还以为是邮政局的建筑内。整个建筑内部像是50年前的建成的。到今天了,你就会看见那种掉漆的廉价木质扶手,一个个黄色的白织灯组成的照明系统,墙边还有集中供暖的煤油炉,说不定出个热水还要10分钟。像极了没钱翻新的老教学楼。

公益负责人们看起来十分平凡。图书管理员有些驼背,有一位女士(aka大妈)还有东欧口音,唯二的年轻人估计工作一天了,也没什么精神。嘛,average American嘛,没有冒犯的意思。

我觉的他们是值得尊敬的公益人士。做公益一点都不容易。


可惜上面说的不是今天的重点。

有个同学跟我说,你概率学的那么好,教我几手呗。

那我们今天就来说说正态分布。

正是因为它,才让我觉得我们学校香槟城简直美女如云!。
我想用数据告诉大家如何发现美女/帅哥!

正太分布曲线 平均值µ 标准差σ

一位大名鼎鼎的法国数学家曾经说过:

物理学家相信数学家已经证明了正态分布的优良性,而数学家则认为正态分布是物理实验中得来的规律。
—亨利・庞佳莱

也就是说物理学家说正态分布是数学家的事,而数学家说这是物理定律!

正态分布的前世今生(上)总结了几个不同领域中正态分布的身影:

  • 1.天文学测量星星时的二维误差分布服从正态分布
  • 2.三维空间气体分子运动服从正态分布
  • 3.自然界的噪声形成过程一旦形成正态,从外部累加任何形式的噪声,都不会改变正太性。
  • 4.信息论中的正态分布是熵最大的信息分布方式。

但是这些都还不是最重要的,至少和今天的内容无关。

我们今天要说的是:

正态分布不管µ和σ怎么变,对象落在+1σ右边的概率永远是15.7%,落在+2σ右边的概率永远是2.2%,能在+3σ之外的概率,就只有可怜的0.14%了。绝大多数对象都在+/-1σ之间,大约68.4%。(参见上图)

什么概念?

1.近几年的普查显示,中国成年男性平均身高172cm,一个标准差6cm。也就是说:

100个中国男人中,68个在166-179,180以上总共只有15个,其中能长到186以上的就只有2个了,190以上简直是珍惜保护动物啊。

所以说姑娘们,请善待身边的男同胞。不是人人都能180的。(顺手爆出妹子们的数据:平均160cm,标准差5cm,( /) V (\ ) 嘻嘻~)

2.人类智商:


正规化的IQ分布服从正态分布,µ = 100,σ = 15
正规化的IQ分布服从正态分布,µ = 100,σ = 15

因为智商是一个具有争议的研究领域(Wikipedia:IQ-Criticism and views),我因该做出声明:智商高低,只能说明人在学习、分析智商测试题时的表现。

笼统的说,得分越高、学得越快。智商并非广义智力的度量,因为广义智力中囊括了创造力、社交智慧,等等,这些能力往往因人生经历而不同。

今天我们对智商探讨的越来越少,是因为人们学会独立思考,前人们被智商测试忽悠得团团转,但是今天我们发现人生的如意与不如意和智商并没有直接关系。

3.美国人健身态度:

全国人口中15%是健身房会员,有健身习惯又热爱劲健身。我们发现这个数据正好落在+1σ的位置,再一次显示了冥冥之中服从正态分布的规律。

同时值得注意对于85%的美国人来说,健身只是做做锻炼,并不是生活方式。因为幸存者偏差,有些国人就认为美国人有肌肉文化,其实只是他们肌肉男/女曝光的多罢了。


重点来了!

你心中的美女概率:+2σ标准差,概率是2.1%,大约50个女人出一个的美女。那么要见到多少女性,你才能幸运的(大于50%)至少会遇见一个心仪的呢?

答案是:>=log(49/50)1/2 ≈ 35人。也就是说基本上做几趟公交就能见到50里挑一的美女!

如果你想偶遇+3σ标准差,大约0.14%,也就是千里挑一的美丽女性呢?

答案是log(0.9986)1/2 ≈ 497人。难度有点大吧,一天能擦肩而过500个人都成为题,更别说姑娘了,绝世女子真是可遇不可求啊!

如果是+1σ标准差,大约15%,也就是比85%的女孩子都要优秀的,你运气好的话,只需要遇到log(0.85)1/2 ≈ 4.26个。

每5个女生就至少有一个能吸引住你眼球的哦!

那么要遇到多少女性才能够铁定(99%的概率)碰到前15%的美女呢?

答案是log(0.85)0.01˜= 29个女生,看来男孩子们还是推出外貌协会为好,否则要求太高,反而注孤生呢。因为这比你能够幸运地遇到两个标准差的还要少哦!

上述规律同样适用于姑娘找帅哥!(๑>◡<๑)

所以说,如果见您们瞧不到不到美女/帅哥,不是你瞎就是我瞎!

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,236评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,867评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,715评论 0 340
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,899评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,895评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,733评论 1 283
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,085评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,722评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,025评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,696评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,816评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,447评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,057评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,009评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,254评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,204评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,561评论 2 343

推荐阅读更多精彩内容