: → innominate: 我的意思是，現代在做用戶畫像，或者設計用戶問卷時早 06/01 00:14
: → innominate: 就考慮過信度跟效度的問題，而我們用的工具遠沒有這個 06/01 00:14
: → innominate: 機器準，但一樣都能分析出用戶行為了，為什麼你會預設 06/01 00:14
: → innominate: 使用這台機器的人都是智障？ 06/01 00:14
: → innominate: 都會問這些智障問題？ 06/01 00:15
: → verdandy: 你說的那兩個是問"多人"然後再經統計去得到輪廓 06/01 00:29
: → verdandy: 測謊是針對單人，你要收多少樣本? 06/01 00:30
: → verdandy: 還有問題要很精巧，但精巧遇上更奸詐的還是沒用 06/01 00:30
: → verdandy: 這篇普蘭可就示範了奸詐的人怎麼去玩弄機器 06/01 00:31
: → verdandy: 如果你說用戶畫案像是單人的，但你要想那是蒐集多少數據 06/01 00:32
: → verdandy: 你一場測謊要蒐集多少數據? 06/01 00:32
: → innominate: 在大數據分析中早就可以找到問題的pattern，你再怎麼 06/01 10:38
: → innominate: 奸巧，你也只能躲得過一兩個問題，十個問題，二十個問 06/01 10:38
: → innominate: 題就能解決，因為有些問題是可以相互印證比對的，而且 06/01 10:38
: → innominate: 問問題的人是主控端，你再怎麼奸巧也只能回答是/否， 06/01 10:38
: → innominate: 你的操作空間幾乎小到沒有，重點是問題的設計，plamc 06/01 10:39
: → innominate: 是先假設問問題的人是智障 06/01 10:39
上面一堆，丟掉啥大數據等現今炫目的名詞，基本概念就是透過適當的
統計方法，可以在一定的信心水準下，在一定範圍之內找出母體的某些
特性。前所謂信心水準，白話說就是對當前統計結果有多少信心它是正
確的。
或者用更生活化的狀況來說，叫做太陽底下沒有新鮮事(，因為看多了，
人的行為就是那些模式)。
上面那種統計「求真」方法，用在涉人事物上，最根本的限制之一在
於，能夠找出和預測母體「整體的」行為模式，不代表能夠準確預測母
體內任一個體的行為模式。
最著名的實務例子就是當前普世接受用以證實新藥品、新醫療器材、
新醫療技術的臨床實際效力的方式