最終更新:
hirotate1103 2009年02月04日(水) 07:41:09履歴
SEにおける複雑さ
ガウスとパレートの認知論の説明(Boisot and Mckelvey 2007, 2)
アシュビーの必要多様性の法則の説明(Boisot and Mckelvey 2007, 4)
ガウスとパレートの認知論の説明(Boisot and Mckelvey 2007, 2) ![](https://static.seesaawiki.jp/img/usr_second/common/icon_pen.gif)
- ガウス
正規分布の世界ですね。事象が独立して動かないとこうはならないので、これで扱える範囲は、相当シンプルなものしかだめそうです。ベル型分布ともいうようです。
- パレート
スケールフリー、つまりスケールに依存しないという考え方(有田 2005)。働きアリのうち、実際に働いているのは20パーセントで、それは、どのスケールでも適用できる、などが例。指数法則。事象の相互依存を仮定する。パレート分布(Fat tail分布)<指数分布。ガウスに比べると、カオスに近い、より複雑な動きをするものになるということだろう。
アシュビーの必要多様性の法則の説明(Boisot and Mckelvey 2007, 4) ![](https://static.seesaawiki.jp/img/usr_second/common/icon_pen.gif)
"only variety can destroy variety"、つまり、多様性、複雑なものに対応するには、自分自身がそれなりの複雑で、多様な機能を持っていないといけない、と解釈します。
Input(刺激)として、より多様なのが、パレートで、より単純なのがガウスということなのだろう。
- データを知識にする過程も説明できる!?
データから知識を分析していくアプローチ、パターンをたくさん考えてそれにあうデータを探すアプローチの説明をしているのかな(Boisot and Mckelvey 2007, 8)?前者は、データがそれなりに単純なものじゃないと、回答が出せない気がする。後者は、データしだいで、爆発的にパターン数が増えるので、カオスな感じ。スケールフリーな雰囲気がする。データがインプット(刺激)で知識がOutput(応答)
規模が小さく頻度が多い出来事は、正規分布で扱えるが、ここで扱う想像を超える出来事は、規模が大きく頻度が小さいものである(Boisot and Mckelvey 2007, 9)。
- タイミングとサイズ
打って出るタイミングが重要。ガウスはパレートになるときがある。待ちも必要。(Boisot and Mckelvey 2007, 10)。
- 感じる力と対応力を持とう
SensingとResponseを持とうということか、結局言いたいのって?バタフライレバー(蝶々の羽ばたきのようなとても小さな発端が、アメリカで台風を起こす可能性があるという例えのこと[1])を感じ、対応する(Boisot and Mckelvey 2007, 11)。
- Boisot, Max and Bill McKelvey, 2007, Extreme Events, Power Laws, and Adaptation: Towards an Econophysics of Organization, Academy of Management Conference, Philadelphia
- 有田正規, Scale-freeネットワーク, システム生物学概論Lecture Material, http://www.iu.a.u-tokyo.ac.jp/lectures/system_biol...
- Wikipedia contributors, "バタフライ効果," Wikipedia, , http://ja.wikipedia.org/w/index.php?title=%E3%83%9... (accessed 2月 5, 2009).
コメントをかく