41000 条测量数据揭示:科学误差远偏离正态,呈重尾分布
tetsuoai · x · 2026-11-21
tetsuoai 给出一个可亲手复现的分析练习:拿 Bailey 的论文《Not Normal》数据集(人类科学家的测量)与机器预测自然的数据,把每次偏差除以声明的误差棒再作图,比较两者的偏差形状是否一致。
论文本身分析了医学、核物理与粒子物理等领域的 41000 条测量、3200 个物理量,发现:5σ 级分歧比正态假设下预期的频率高出最多五个数量级;误差归一化后的差异符合重尾 Student-t 分布,常常接近 Cauchy 分布;由错误和未知问题导致的误差呈幂律分布,类似复杂设计系统的失效方式。论文还指出物理学的误差评估改进速度远快于医学。
「研究」频道最新
- Hassabis 预言两年内 AI 攻克千禧难题,半年后黎曼猜想已有候选解 — Hesamation · 2026-11-21
- 让 GPT-2「睡觉」:冻结快照回放让旧知识保持率从 6% 提到 58% — Junior_Reputation639 · 2026-11-21
- ERC 评审拒信曝光:评审员直言不信 LLM 自动形式化 — marc_lelarge · 2026-11-21
- 陶哲轩谈 AI 数学竞赛:摘走果实,留下一片荒地 — yacineMTB · 2026-11-21
- Anthropic 称 Claude 证明黎曼猜想,数小时后斯坦福发布全人类对照证明 — The Decoder · 2026-11-21
- Claude 被称攻克黎曼猜想,独立数学家称证明「几乎必然为真」 — Just-Grocery-2229 · 2026-11-21