目录
一、摘要
近年来,年轻人生活节奏逐渐加快,人们代与代之间的生活差异和社会观念已经发生了显著变化,以致于爆发激烈冲突的事件屡见不鲜。
随着年关将近,祖国各地的人们都开始筹备着回家过年。可无论是学生,外地务工人员,还是上班的工作人员,都会面临着一个令人头痛的问题,那就是老家情报部门的审问。这其中有很多问题,回答起来可谓是即别扭又尴尬,还弄得不好意思。甚至,很多人逐渐变得对过年愈发的恐惧。
作为一个体面人,您绝对不允许这种问题对您产生困扰。不过不必担心,既然您已经阅读到了这里,那么,您的生活百科策略顾问——倪桑,将为您深入剖析,出谋划策,使您能够灵活应对过年遇到的棘手问题,让您重新爱上中国年。
二、假设
1.数据信息涵盖面广,不失一般性,即数据量大小不影响结果的真实性。
2.网络数据与实际调查一致,不必进行数据的筛选和剔除。
3.文中出现的问题及总结的结论具有全国广泛性,而不具备地域性。
4.数据是独立同分布的随机变量,适用于普遍的数理统计定理。
三、过程分析
对于学生的问题可归纳为,学习,对象,工作;对于上班族,问题可归纳为工作待遇,工作效绩,车房孩子。由于数据量过于庞大,建议您听从您的资深策略顾问倪桑的建议,将”万”作为数据统计单位。
问题 | 学习(A类) | 对象(B类) | 工作(C类) |
学生(/万) | 4 | 4 | 2 |
问题 | 工作待遇/效绩(D类) | 车房孩子(E类) |
上班族(/万) | 7 | 3 |
3-1-1、学生问题分析
计算年龄与问题类型的相关性:
由于年龄和提问问题的次数不属于统一量纲,以下将对数据进行标准化变换。
标准化变换之后的矩阵为:
为了消除您对我专业性的疑虑,策略顾问将全面解析数据标准化变换的过程及方法,因为专业,我是认真的。
其中:
(我也不知道为啥公式从Word复制过来成了图片,我是菜J,能看就行)
相当于是对
按列求平均值,
是方差,经过标准化变换后,
服从
(0,1)的标准正态分布,也就是说,数据变化后依旧服从高斯分布,其数值特性不受任何影响。
变换后的结果为:
以下计算年龄和被提问问题的相关性:
已经达到了《惊人的》0.1386,其年龄相关性已经严重到不得不让您引起重视,尤其是目前,如果您是大学生,您必须考虑您的年龄关系对您的问题类型造成的影响,不过不必担心,接下来请让资深策略专家倪桑为您解忧。
分析柱状图可以得出以下结论
年龄 | 问题类型 |
19~22岁 | 对象或(和)学习 |
>22岁 | 毕业工作 |
任一指定年龄如果统计20次,规定其确信估计值在±0.2以内,那么由中心极限定理,则有
查阅表格可知,P=0.6876,也就是说,以上结论我们有68.8%的把握是确信的,这个数据是很恐怖的,资深专家认为,需要足够的引起您的重视。因此,阅读到现在,您需要首先冷静下来,通过身份证等官方证件了解您的准确年龄,然后才可以对症下药。
恰到好处地回答别人的问题既能体现出您的内涵修养,也是您对他人的尊重。接下来请让策略顾问倪桑通过几组数据分析问题。
回答方式 | 受访者目测来访者心情指数 | 问题类型 |
潦草敷衍,表露不满,<30字 | 0.1;0.15;0.2;0.1;0.2 | A-60%;B-20%;C-20% |
问啥说啥,绝不多说,<100字 | 0.4;0.6;0.5;0.7;0.65 | A-40%;B-30%;C-30% |
带有感情色彩,语气愉悦,<200字 | 0.8;0.9;0.9;0.8;0.95 | A-20%;B-40%;C-40% |
社交达人,>300字 | 0.2;0.4;0.3;0.35;0.4 | A-30%;B-20%;C-50% |
借助MATLAB工具箱Curve Fitting拟合工具,采用四阶sum of sine的方式,其基本格式为:
代入数据得到结果如下,其方程为:
谈到拟合,就需要对拟合结果的代价进行分析了,首先确定我们可以容忍的代价的阈值:
一阶拟合代价函数形式为:
虽然对象公式不同,但这丝毫不影响在本文的应用,因为只要我们觉得它对,那它就是对的。
将数据代入公式,计算得:
通常我们认为,J>0.5就是美滋滋,<0.5就是emo,虽然计算得到的J=0.3115,但是资深专家想提醒您,我们研究的问题严峻且复杂,付出一些代价是值得的!
可见,回答的过多过少都会导致来访者心情变差,因此,资深专家建议您合理控制谈话字数,提高谈话质量,争做高质量社交人类!
这里规定,在您的资深策略专家帮助下,追求的最完美谈话境界是来访者心情指数达到≥ 0.7,令f(x)=0.7,解这个方程得,
至此,您的资深策略顾问专家倪桑可以给您宝贵的意见了
3-1-2、应对策略
年龄(限学生) | 提前准备被问及的问题 | 建议回复字数 | 预测准确概率 |
19~22岁 | 学习或(和)对象 | (88,186) | 68.76% |
>22岁 | 毕业工作 |
3-2-1、上班族问题分析
同理,需要计算年龄与问题类型之间的相关性,有了之前的分析,这里简写,只给出结果:
可见,我们必须用发展的眼光看待问题,因为其年龄相关性已经大不如前,但是当具体到某一个确定问题时,它仍具有年龄相关性。之所以过低,是由于工作问题这一要素在各年龄段都有出现且独立不相关,因此需要统计另一要素。
经验之谈,虽然过年被问及问题,可受访者的感受是明显不一样的,即有的人感觉来访者只是随便问问而已,而有的人觉得对方在刨根问底,致使自己感到很不适,以下是倪桑为您带来的一线数据。
受访者工作城市 | 受访者感受 | 年龄 | 感受平均值 | 结果(阈值=0.7) |
上海(30°N,120°E) | 0.2;0.3;0.15;0.1;0.1 | (25,30) | 0.17 | 不合格 |
南京(31°N,118°E) | 0.4;0.6;0.5;0.6;0.5 | (30,40) | 0.52 | 不合格 |
深圳(22°N,114°E) | 0.7;0.6;0.9;0.6;0.7 | (40,45) | 0.7 | 合格 |
珠海(21°N,113°E) | 0.3;0.25;0.4;0.4;0.3 | (25,30) | 0.33 | 不合格 |
广州(22°N,113°E) | 0.9;0.8;0.75;0.6;0.8 | (30;40) | 0.77 | 合格 |
镇江(32°N,119°E) | 0.4;0.6;0.5;0.45;0.3 | (25,30) | 0.45 | 不合格 |
本省 | 0.7;0.6;0.7;0.55;0.6 | (30,40) | 0.63 | 不合格 |
本省 | 0.7;0.8;0.95;0.8;0.6 | (40,45) | 0.77 | 合格 |
本省 | 0.8;0.6;0.85;0.7;0.9 | (30,40) | 0.77 | 合格 |
借助MATLAB工具箱Curve Fitting拟合工具,分析年龄变化对受访者心情的影响,高斯逼近函数一般形式为:
代入数据并调试,选择合适的阶数,这里为便于运算,取四阶:
同上,下面检验拟合代价:
解得:
观察这个函数图像,发现在34岁以后,所有受访者心情将会停留在0.7以上趋于平稳,下面让我们检验这一结论的准确性。
任一组数据如果统计5次,规定其确信估计值在±0.2以内,那么由中心极限定理,则有
至此,您的资深策略顾问专家倪桑可以给您宝贵的意见了。
3-2-2、应对策略
年龄(限上班族) | 提前准备被问及的问题 | 准确概率 | 工作地 | 建议应对策略 |
<34岁 | 工作/车房孩子 |
81.98% | 省外 | 建议跳槽至其他地域,或回省内,并等到34岁 |
省内 | 等到34岁,即可获得金刚不坏之身 | |||
>34岁 | 工作 | 任意 | 您已无懈可击,万不得已时您可以尝试一下跳槽 |
四、写在后面
1、以上内容纯属娱乐,增添年味,如若和我争辩科学性,我拒绝哈哈哈。
2、这也是近几年形成的社会焦点问题吧,人们压力越来越大,每年过年回家被审问,心情就会感觉很糟糕,实际上我们想一想,这种唠叨对我们来说何尝不是一种乡愁呢?
3、其实,压根没有什么过年焦虑症,和亲人团聚,就是最大的幸福!
4、衷心祝大家新年快乐!!