频率法：概率是对发生频率的计算
释义
频率法就认为，在有足够多的数据的情况下，随机事件发生的频率会无限接近它真实的概率。
频率，就是某个随机事件在整体事件中出现的比例。一个随机事件出现的次数除以整体事件的次数，得到的值就是这个随机事件发生的频率。
频率法理解这个世界的底层逻辑是，一个随机事件的发生，是存在一个真实的、客观的概率的。
频率 VS 概率 VS 大数定律
只要重复的试验或者观测的数据足够多，随机事件发生的频率就会无限接近它的概率。这就是我们现在常说的“大数定律”。
概率论中的“黄金定理”
在有限次数下衡量概率的指标
作用
通过这两个限定，容忍一定错误的发生，我们在用频率度量概率时，可以大幅减少试验的次数或者采集的数据量。
大数定律：局部频率不是整体概率
大数定律的作用
让我们真正能用整体的确定性来对抗局部的随机性。
均值回归
如果一个数据和它的正常状态偏差很大，那么它向正常状态回归的概率就会变大。
大数定律不需要补偿，而是通过均值回归，通过产生大量的正常数据，削弱之前异常数据的影响
现实中的频率都是局部频率
当数据量很少的时候，一件事发生的频率可能和它的真实概率相差很大。
整体不需要对局部进行补偿
整体不需要通过补偿来对局部产生作用，大数定律并不通过补偿来实现。
数学期望：对随机事件长期价值的衡量
期望是对长期价值的数字化衡量
数学期望简称期望，计算方法很简单，就是对随机事件不同结果的概率加权求平均
重点：“长期”
数学期望之所以有效，因为大数定律在背后起作用
大数定律把局部的随机性变成了整体上的确定性，也就是概率
数学期望又把概率代表的长期价值变成了一个具体的数字，方便我们比较
计算数学期望必须把结果数值化
只有赋予每个结果一个具体的值，才能进行数学期望的计算
个体的数学期望并不一样
个体的主观考量，只影响数学期望的计算结果，而不妨碍数学期望起作用。
方差：围绕数学期望波动程度的衡量
数学期望相同，并不代表两件事的价值就一样
随机结果的波动程度，同样对一件事的价值，对我们的决策影响巨大
方差，反映的是随机结果围绕数学期望的波动范围
对于一个随机事件，数学期望因为描述的是长期价值，所以无法反映这种波动性，但方差可以。
通过一个数值定量了这种波动性，弥补了数学期望描述随机事件的不足。
方差的计算：结果的值与数学期望之差的平方的均值
标准差：方差的平方根
方差的本质是对风险的度量
一个随机事件的方差越大，可能的结果离期望值越远，就说明它的风险越大
如何对抗和利用方差
过增加本钱的方式对抗波动性
有了足够的本钱，也就有了把游戏继续下去，去搏数学期望的可能
通过人为设计主动扩大波动性
部分人不中奖，但一等奖、特等奖的奖金特别高，甚至高达500万
精彩留言
一个靠谱的人，一个情绪稳定的人，一个很多人眼中的好人，都是在行为、情绪、工作领域方差比较小的人
所以，这些人一般都是挺无趣的人……那怎么判断他们的靠谱是装出来的，还是真的如此呢？
一般看他们私下会不会有很多异性喜欢，会不会有很多朋友。如果有，可以怀疑他们有反差极大地一面。
