Удивительно, но часто говорят, что профайлинг – это поведенческий анализ и инструмент прогнозирования поведения в интересующих исследователя контекстах.
Однако, прогнозирование требует отличного знания и понимания математики и теории вероятностей. Жаль, что среди профайлеров так мало тех, кто владеет хоть начальными знаниями анализа данных и вероятностей. А между тем, data science – это, помимо психологической подготовки, «наше все» для профайлера.

Решите одну задачку по профайлингу? Она не такая трудная и чтобы ее решить достаточно школьных математических знаний, но при этом не такая легкая, чтобы ее можно было легко решить в уме.

Итак:
В некой опросной беседе с подозреваемым известно, что:
Правдивых ответов в 2 раза больше, чем ложных.
Ложных ответов в 3 раза больше, чем уходов от ответа на вопрос.
Допустим, что:
Вероятность правильного понимания честного ответа 0,8 (т.е. правильно определить, что это правдивый ответ).
Вероятность правильного понимания лживого ответа 0,7 (т.е. правильно определить, что это ложный ответ).
Вероятность правильного понимания ухода от ответа на вопрос 0,9 (т.е. правильно определить, что это уход от вопроса).
Вопрос: какова вероятность правильного понимания ответа на случайный, рандомный вопрос?

Ответ пишите в комментариях и повторите теорию вероятностей и матстатистику, - это всегда пригодится. Особенно в профайлинге. Помните, что если кто-то не может подтвердить свои выводы в области профайлинга математикой, то это не профайлинг, а просто его личное умозаключение.

#профайлинг, #поведенческийанализ, #статистика, #поведение, #детекциялжи, #детекторлжи, #полиграф, #математика, #datascience, #вероятность, #теориявероятностей, #оценка, #задача, #тест, #ProProfiling, #Филатов, #профайлинг_филатов

#профайлинг, #поведенческийанализ, #статистика, #поведение, #детекциялжи, #детекторлжи, #полиграф, #математика, #datascience, #вероятность, #теориявероятностей, #оценка, #задача, #тест, #ProProfiling, #Филатов, #профайлинг_филатов

Подарки продолжаются.

По ссылке вы можете скачать книгу «Основы статистики для психологов»: это то, в чем нуждаются все психологи. По ссылке вы попадаете на сайт, на котором есть и книга и упражнения к книге.

Выкладываю сюда потому, что авторы книги сами выложили ее в сеть, за что им все безмерно благодарны.

Жду не дождусь книги «Основы статистики в профайлинге». Хотя скорее всего не дождусь и придется ее писать самому))). Но это был тонкий юмор, если кто понял 😏.

#статистика, #профайлинг, #психология, #математика, #наука, #анализ, #книга, #рекомендации, #скачать, #коллеги, #ProProfiling, #Филатов

3) Известно, что если Клиент на один вопрос Менеджера ответил «Да», то он с 70% вероятностью и на следующий вопрос ответит «Да». При этом известно, что Клиент при ответе на любой вопрос в 50% случаях врет.

Какова вероятность того, что Клиент ответит вам 3 раза «Да» при этом ни разу не соврав?

Ответы пишите в чате: T.me/ProProfilingChat

#профайлинг, #поведенческийанализ, #статистика, #поведение, #детекциялжи, #детекторлжи, #полиграф, #математика, #datascience, #вероятность, #теориявероятностей, #оценка, #задача, #тест, #ProProfiling, #Филатов, #профайлинг_филатов

#профайлинг, #поведенческийанализ, #статистика, #поведение, #детекциялжи, #детекторлжи, #полиграф, #математика, #datascience, #вероятность, #теориявероятностей, #оценка, #задача, #тест, #ProProfiling, #Филатов, #профайлинг_филатов

3) Известно, что если Клиент на один вопрос Менеджера ответил «Да», то он с 70% вероятностью и на следующий вопрос ответит «Да». При этом известно, что Клиент при ответе на любой вопрос в 50% случаях врет.

Какова вероятность того, что Клиент ответит вам 3 раза «Да» при этом ни разу не соврав?

Ответы пишите в чате: T.me/ProProfilingChat

Кстати, в ближайшую пятницу, 13-го мая (😳) в 20:00 я проведу открытый мастер-класс «Тёмные данные и предиктивная аналитика в профайлинге».

Поговорим и проработаем некоторые инструменты статистики и математики в профайлинге. Присоединяйтесь.

https://proprofiling.com/blackd

#профайлинг, #поведенческийанализ, #статистика, #поведение, #детекциялжи, #детекторлжи, #полиграф, #математика, #datascience, #вероятность, #теориявероятностей, #оценка, #задача, #тест, #ProProfiling, #Филатов, #профайлинг_филатов

#профайлинг, #поведенческийанализ, #статистика, #поведение, #детекциялжи, #детекторлжи, #полиграф, #математика, #datascience, #вероятность, #теориявероятностей, #оценка, #задача, #тест, #ProProfiling, #Филатов, #профайлинг_филатов

#профайлинг, #поведенческийанализ, #статистика, #поведение, #детекциялжи, #детекторлжи, #полиграф, #математика, #datascience, #вероятность, #теориявероятностей, #оценка, #задача, #тест, #ProProfiling, #Филатов, #профайлинг_филатов

Немного о профайлинге в соцсетях.

С помощью математических алгоритмов можно просчитать и определить потенциальные интересы пользователей соцсетей к тем или иным темам. Для этого нам необязательно владеть полной информацией о пользователе.

Например, если мы знаем, что конкретный пользователь лайкает контент, посвященный кулинарии, то можем ли мы понять и определить вероятность, с которой он будет интересоваться контентом, скажем, про Джонни Деппа. Да, не все так просто, оказывается, что вполне реально.

О том, как это сделать, в общем написано в книге, которую я недавно для себя открыл и стараюсь осилить «Десять уравнений, которые правят миром, и как их можете использовать вы» Дэвида Самптера. Вообще математика – это вещь…, которую нельзя недооценивать.

Саму книгу вы можете посмотреть в моей «Библиотеке профайлера», а отрывок из нее касательно оценке соцсетей на VC.

#математика, #профайлинг, #предиктивнаяаналитика, #соцсети, #книги