无组织的复杂性与有组织的复杂性
挂一漏万,随便说几句感触比较深的。
在对事件研究之前,首先对事件进行有效的分类,也可近似称为模式识别。
大体上作者将事件分为简单性事件和复杂性事件,前者的特征是线性的、预测较易的;后者的特征是非线性的、预测较难甚至是不可预测的,之所以如此就是因为复杂系统的涌现性特征,涌现性是大量个体、局部的行为聚集为整体后产生的自发秩序。
按照组成复杂系统的个体的特征,作者将复杂性系统区分为两个类型,一是无组织的复杂性现象,其特征是大量个体之间的行为是独立的,当这些个体聚集起来时,由于相互之间并无相互作用,不同个体表现出来的相反特性可相互抵消,表现出来的便是整体的规律性行为。对这种类型的研究和预测可以通过统计学上的大数定律进行。
第二类是有组织的复杂性系统,其特征在于个体间的相互作用,个体之间并不是相互独立的而是相互影响的。在这种情况下,主体间的关系变成各种反馈和各种权变,主体间的差异不再彼此抵消,而是变得强化。在这种系统中,大数定律不再有效,取而代之的是一个未知的路线。此时,系统整体能显示与主体细节无直接联系的聚集性。
如何对这种系统进行理论解释以理解这复杂性才是真正的困难所在。
鉴于我对统计学的粗浅理解,统计学可以大展拳脚的地方应该是简单事件和无组织复杂性事件,对于有组织的复杂性,统计学尚显无力。而我们实际生活中,无论是股票市场、群体行为,还是经济金融走势,都是有组织的复杂系统。
在对事件研究之前,首先对事件进行有效的分类,也可近似称为模式识别。
大体上作者将事件分为简单性事件和复杂性事件,前者的特征是线性的、预测较易的;后者的特征是非线性的、预测较难甚至是不可预测的,之所以如此就是因为复杂系统的涌现性特征,涌现性是大量个体、局部的行为聚集为整体后产生的自发秩序。
按照组成复杂系统的个体的特征,作者将复杂性系统区分为两个类型,一是无组织的复杂性现象,其特征是大量个体之间的行为是独立的,当这些个体聚集起来时,由于相互之间并无相互作用,不同个体表现出来的相反特性可相互抵消,表现出来的便是整体的规律性行为。对这种类型的研究和预测可以通过统计学上的大数定律进行。
第二类是有组织的复杂性系统,其特征在于个体间的相互作用,个体之间并不是相互独立的而是相互影响的。在这种情况下,主体间的关系变成各种反馈和各种权变,主体间的差异不再彼此抵消,而是变得强化。在这种系统中,大数定律不再有效,取而代之的是一个未知的路线。此时,系统整体能显示与主体细节无直接联系的聚集性。
如何对这种系统进行理论解释以理解这复杂性才是真正的困难所在。
鉴于我对统计学的粗浅理解,统计学可以大展拳脚的地方应该是简单事件和无组织复杂性事件,对于有组织的复杂性,统计学尚显无力。而我们实际生活中,无论是股票市场、群体行为,还是经济金融走势,都是有组织的复杂系统。
有关键情节透露