边际效应递减规律,law of diminishing marginal utility,是经济学的一个重要规律。这里引用《经济学-萨缪尔森》著作中对该规律的定义:随着个人消费越来越多的某种物品,他从中得到的新增的或边际的效用量是下降的。书中给了一个规律应用的例子:

为了加深理解,我在网上又找了另外两个实例。第一个是吃馒头的例子:对于一个需要4个馒头才能吃饱的人来讲,吃第一个馒头可以使他直接缓解饥饿感,因而其边际效用是最大的,吃第二个、第三个馒头的边际效用依次递减;到吃第四个馒头时,他已八九分饱,几乎是可吃可不吃的了,故边际效用最小;等吃到第五个时,馒头就有可能产生负效用。第二个是考试的例子:学习0天,考0分;学习1天,考36分;学习2天,考64分;学习3天,考84分;学习4天,考96分;学习5天,考100分。

听起来,这规律还牛X的,普适性很强。但是能应用在哪些工程问题上呢?自己理解了一下,如果已经有了部分点对数据 ( Q i , U i ) (Q_i,U_i) (Qi​,Ui​)后,那么可以通过这个规律去预估任意消费量 Q k Q_k Qk​对应的效用值 U k U_k Uk​、以及最大效用值 U max U_{\text{max}} Umax​。

先拿考试的那个例子来试试。如果在学习上花3天半的时间,能考多少分呢?第1天边际效用(增加的分数)为36,第2天为28,第3天为20,第4天为12,第5天为4。即每过一天,边际效用降低8,如果有3天半的学习时间,应该是84+12/2=90。最大效用值更简单了,就是满分100分。看起来好简单啊,可实际情况中,会是这样么?

上过大学的人一定都知道最后一两节课的重要性,因为老师会给大家划重点,提升课程通过率。只要能学习1个单位时间,把重点内容准备好,基本都能通过考试,即分数高于60分。但如果要继续提升成绩,就需要明显增加学习时间,而到了5个学习时间以后,即使再增加学习时间,分数也不一定能达到100分,因为到了那个阶段,除了知识掌握的扎实程度,考试分数还会和一些其他因素相关,比如细心程度。基于这个实际情况,考试分数和学习时间的关系更可能是如下的图。即:2-5个单位时间内,考试分数和学习时间的关系是符合边际效用递减规律的;1个单位时间内,有老师划的重点,因此会出现考试分数的明显跃升;5个单位时间后,掌握的新知识量几乎不增加,分数的变化因素不再是时间。

关于最大效用值,在实际应用时,也经常有数值未知的情况。比如公司在某个区域的销售价值上限是多少?线上电商占据总电商份额的最大比例是多少?国家GDP的上限值是多少?如果基于已有数据去预测,我们如何知道数据是在1个单位内、2-5个单位内、亦或是5个单位以上了呢?

所以,边际效用递减规律虽然普适性挺好,但是真正要量化的时候,还是会遇到很多挑战,想要用好规律,还是需要研究清楚问题的本质,搞明白符合规律的边界范围。

如果把规律放到数学模型中,它其实可以理解为机器学习的一种特殊类型,就像线性模型一样。只不过它给出的变化率是逐渐递减的,而线性模型是不变的。那是不是可以直接用现有的机器学习模型,而放弃边际效用递减规律呢?目前来看,好像也不太行。机器学习模型需要先有训练集,如果要预测的是最大效用值,可能我们连这个值的真值都拿不到,又谈何训练呢?而且,边际效用递减规律的可解释性明显强于大部分机器学习算法,在工程落地上,也具有明显优势。

边际效用递减规律,真用起来,还挺多坑相关推荐

  1. 边际效应以及边际效应的递减规律

    边际效应:              边际效应(Marginal utility),有时也称为边际贡献,是指消费者在逐次增加一个单位消费品的时候,带来的单位效用是逐渐递减的(虽然带来的总效用仍然是增加 ...

  2. python边际效用递减_效应递减规律,如何通过心智的开启去控制满足感

    效应递减规律,如何通过心智的开启去控制满足感 人的需要是无数的,从整体来看,永远不会得到满足.想要的东西的种类似乎没有限制. 但是,如果我们挑出任何一种商品,我们就会发现我们对它的渴望是有限的.我们都 ...

  3. 好像还挺好玩的GAN重制版4——Pytorch搭建SRGAN平台进行图片超分辨率提升

    好像还挺好玩的GAN重制版4--Pytorch搭建SRGAN平台进行图片超分辨率提升 学习前言 源码下载地址 网络构建 一.什么是SRGAN 二.生成网络的构建 三.判别网络的构建 训练思路 一.判别 ...

  4. 关于无差异曲线的几个概念的辨析——凸性、拟凹性、边际效用递减、边际替代率递减

    拟凹性:所谓拟凹函数,就是相对坐标横轴,图像里没有下凸现象的曲线(下凸:斜率从负到零,又继续上升的现象).亦即对任意两点x.y属于定义域,有: f ( a x + ( 1 − a ) y ) ≥ m ...

  5. 简陋无比的 Python 抠图方案,好像还挺像回事儿?

    Python编程学习点击免费领取 背景介绍 从某APP中截取了我的背单词曲线之后,我敏锐地发现了蕴藏在其中的数学规律. 每六个月达到一次峰值,峰值的高度不断减小.为了在图上画一条线来拟合这个折线,我打 ...

  6. 简练软考知识点整理-边际效用递减法则

    边际效用递减法则是指在其他条件不变的情况下,如果一种投入要素连续地等量增加,增加到一定产值后,所提供的产品的增量就会下降,即可变要素的边际产量会递减.     当消费者消费某一物品的总数量越来越多时, ...

  7. 好像还挺好玩的GAN重制版2——Keras搭建SRGAN平台进行图片超分辨率提升

    好像还挺好玩的GAN重制版2--Keras搭建SRGAN平台进行图片超分辨率提升 学习前言 源码下载地址 网络构建 一.什么是SRGAN 二.生成网络的构建 三.判别网络的构建 训练思路 一.判别器的 ...

  8. tensorboard图上存在直线_高中数学必修二直线与圆:真是让我没想到,他俩的关系还挺不简单...

    为什么有些题目看着复杂,看一眼就想烧了卷子.听老师一讲,然后一个有趣的事情就发生了,原来这么简单,哎哟,这方法不错,老师还挺聪明,给你点个赞. 首先承认一点,大家智商基本没有太大差异,老师也好,学生也 ...

  9. 张一鸣早期创业的访谈还挺有启发,不知道他现在的观念有没有改变

    张一鸣早期创业的访谈还挺有启发,不知道他现在的观念有没有改变. 今日头条是他第五次创业,他都是顺其自然的事情,没有刻意的布局和规划,但会遵循这3个原则: 1/ 做自己感兴趣的事情 2/ 做自己可能能做 ...

最新文章

  1. ROS修改pkg与node名字
  2. 【基环树DP】[NOI2012]迷失游乐园
  3. 【控制】遗传算法(GA,Genetic Algorithm)及 Matlab 实现
  4. 世界地板大会姚红鹏的三问
  5. JavaScript 经常忽略的 7 个基础知识点
  6. 【android】SurfaceFlinger合成
  7. 二次注入 php,dedecms20140606 二次注入+存储型xss
  8. Linux-----diff命令
  9. java notify唤醒原理_Java wait和notify虚假唤醒原理
  10. php soap详解,关于PHP+SOAP详解
  11. 什么是Vue?为什么要学习Vue?如何使用Vue?
  12. Java学习系列(十)Java面向对象之I/O流(上)
  13. flashmx action画线方法(下)
  14. CoolHC Volume 1 By CoolFire
  15. 修改显卡型号(自娱自乐)
  16. 从《我要投资》,看藏在“对立面”里的创业正解
  17. The Black Tux | IT桔子
  18. 网易免费企业邮箱Foxmail设置方法
  19. WY C语言入门(5)
  20. BUUCTF:[BJDCTF2020]认真你就输了

热门文章

  1. JAVA计算机毕业设计汽车客运站票务管理系统(附源码、数据库)
  2. 学3D建模,选对行业月薪3W,选错行业月薪3K!
  3. 材料成型计算机模拟第三版,材料成型计算机模拟考试复习资料
  4. Jetson AGX Xavier 系统克隆及恢复
  5. unity物体自身轴旋转_unity3D中物体实现任意角度自旋转
  6. 怎样把酷狗音乐wav转化成高品质的MP3格式?
  7. 入门级excel 考题_入门级的Excel书籍
  8. 云服务器租赁招标文件,云服务器招标文件
  9. python扩展包中文介绍:截止2019.12.01
  10. 从云原生到智能化,深度解读行业首个「视频直播技术最佳实践图谱」