值得重新翻译的好剧
编剧卡尼曼是值得备受尊敬的学者，快90岁高龄，依然执着地汲取当今世界最先进的知识：人工智能，用于扩展他在行为心理学的认知边界，严谨的治学态度，详实的跨领域数据分析，深邃的思想以及富有洞见的研究，在我们看似平常的领域获得超凡的智慧与认知，为改善人类判断提供建议。
但是，非常可惜，如此优秀的著作，中文翻译水平却完全无法与之匹配，在经典著作面前应该有极致敬畏心啊！这里只是列举一些有代表性的例证，来说明中译本中处处存在的不专业且不认真，甚至逻辑上曲解编剧原义的内容。还有大量原作并不存在的黑体着重字体，属于牵强编剧原义的划重点。
专业性错误：
原文1：对于每一个正态分布来说，大约2/3的预测值都落在偏离平均值正负一个标准差的范围内。本例指的是，约2/3的市场份额落在34%～54%这一范围内。（第5章）
As is true for every normal distribution, about two-thirds of the forecasts are contained within one standard deviation on either side of the mean—in this example, between a 34% and a 54% market share.
>> 画蛇添足的“约2/3的市场份额落”，说明不懂统计学的置信区间。
原文2：用简单的数学公式表示：我们将Soupçons定义为误差的标准差，因此Soupçons的平方就是误差的变异性。变异性的定义是“平方的平均数减去平均数的平方”。既然偏差是平均误差，“平均数的平方”就是偏差的平方。因此：Soupçons^2=MSE -偏差^2。(注释@第5章)
Using some simple algebra: We have defined noise as the standard deviation of errors; therefore noise squared is the variance of errors. The definition of variance is “the mean of the squares minus the square of the mean.” Since the mean error is bias, “the square of the mean” is bias squared. Therefore: Noise^2 = MSE – Bias^2.
>> 将variance翻译“变异性”，而不是数学统计学的“方差”。严重曲解原义！
随意而不严谨:
原文3：道斯将均等权重的公式定义为“非最适线性模型（improper linear model）。他出人意料地发现，这些均等权重模型（equal-weight models）的准确性与合适的回归模型差不多，且远胜于诊断性判断。
连“并非最合适的模型”的支持者也承认，这种说法是不可信的，并且与统计直觉相悖。……(第10章)
Dawes labeled the equal-weight formula an improper linear model. His surprising discovery was that these equal-weight models are about as accurate as “proper” regression models, and far superior to clinical judgments.
Even the pro
用户评论 (10)