作者：道格拉斯·W·哈伯德
确定目标，合理计算成本收益
坚持量化信念
1）天下没有什么是不可量化的
2）量化的概念是“减少不确定性”，而且没有必要完全消除不确定性，这是本书的核心观点
（不确定性是对应多种状态结果，风险是其中会导致损失的状态或结果）
量化的通用框架：
定义：如果量化的事物真的很重要，那么你就可以定义它；如果认为它肯定存在，那么你必然早就以某种方式观察过它。
决策风险厌恶：如果它很重要，但又不确定，那么你出错就会付出代价，而且确实存在犯错的可能性。
90%置信区间：你可以让经过校准的评估者，量化当前不确定定。
衡量信息价值，是否深度量化：通过量化”阈值“，你可以计算附加信息的价值。阈值会影响你对目前不确定性的看法。将量化方法应用到高价值的问题中
深度量化实践：一旦你知道量化某事物是值得的，就可以着手量化了，并确定在量化工作上应该做多少努力
决策：基于量化的风险回报结果科学决策
量化常用方法：使用公式分解、随机抽样、主观贝叶斯（贝叶斯反演）、控制实验、rasch模型、透镜模型，甚至仅仅提高专家判断的准确性，都会减少不确定性
1）随机抽样方法：5人原则，5个样本的最大值为A，最小值为B，则总体中位数有93%的概率在[A,B]，可拓展到8、11、13个样本。P53/P168
（校准的评估者：受过训练可以比较等价的判断出90%置信区间的人，使用等价赌博测试判断评估者是否真的有信心，如A方案：答案对则1000美元答错0，B方案：摇转盘，90%概率得到1000美元，最佳回答是无所谓。）
2）贝叶斯方法：若A发生，则B发生的可能性有多大？我的观测表明X在多大程度上为真？假如X为真，我们观测到这种现象的概率是多少？
3）提高专家判断的准确性：明确分值范围如0-5分，对不同类型数据进行Z标准化，解决一致性和多因素比较整合问题
4）rasch模型：要预测被评估者能否准确回答一个真假问题，基于两点：di1是在全体被试者中除该被试者外，能正确回答这个问题的正确率；第2是该被试者回答其他问题的正确率。计算都是用l
确定目标，合理计算成本收益
坚持量化信念
1）天下没有什么是不可量化的
2）量化的概念是“减少不确定性”，而且没有必要完全消除不确定性，这是本书的核心观点
（不确定性是对应多种状态结果，风险是其中会导致损失的状态或结果）
量化的通用框架：
定义：如果量化的事物真的很重要，那么你就可以定义它；如果认为它肯定存在，那么你必然早就以某种方式观察过它。
决策风险厌恶：如果它很重要，但又不确定，那么你出错就会付出代价，而且确实存在犯错的可能性。
90%置信区间：你可以让经过校准的评估者，量化当前不确定定。
衡量信息价值，是否深度量化：通过量化”阈值“，你可以计算附加信息的价值。阈值会影响你对目前不确定性的看法。将量化方法应用到高价值的问题中
深度量化实践：一旦你知道量化某事物是值得的，就可以着手量化了，并确定在量化工作上应该做多少努力
决策：基于量化的风险回报结果科学决策
量化常用方法：使用公式分解、随机抽样、主观贝叶斯（贝叶斯反演）、控制实验、rasch模型、透镜模型，甚至仅仅提高专家判断的准确性，都会减少不确定性
1）随机抽样方法：5人原则，5个样本的最大值为A，最小值为B，则总体中位数有93%的概率在[A,B]，可拓展到8、11、13个样本。P53/P168
（校准的评估者：受过训练可以比较等价的判断出90%置信区间的人，使用等价赌博测试判断评估者是否真的有信心，如A方案：答案对则1000美元答错0，B方案：摇转盘，90%概率得到1000美元，最佳回答是无所谓。）
2）贝叶斯方法：若A发生，则B发生的可能性有多大？我的观测表明X在多大程度上为真？假如X为真，我们观测到这种现象的概率是多少？
3）提高专家判断的准确性：明确分值范围如0-5分，对不同类型数据进行Z标准化，解决一致性和多因素比较整合问题
4）rasch模型：要预测被评估者能否准确回答一个真假问题，基于两点：di1是在全体被试者中除该被试者外，能正确回答这个问题的正确率；第2是该被试者回答其他问题的正确率。计算都是用l