همان طور که مشاهده می کنید نمودار یک اوج دارد ! به این معنی که نظر منفی جمعی به ازای یک کیفیت مشخص در بیشترین مقدار خود است که این مقدار از قضا برای بی کیفیت ترین محصول نیست !
داستان از اینجا جالب می شود، چرا این اتفاق میوفتد ؟ توضیح ساده ی آن به این صورت است که اگر یک محصول یا محتوا بسیار بسیار بی کیفیت باشد اصلا در جامعه منتشر نمی شود که بخواهد نظر منفی کسی را برانگیزد. از طرفی اگر یک محصول و کالا بسیار با کیفیت باشد نظر منفی ای نخواهد داشت که بخواهد باعث منفی شدن نظر جمع شود. در نتیجه آن محصولی که اکثر جامعه بر بد بودن آن توافق دارن احتمالا نه خیلی با کیفیت است و نه خیلی بی کیفیت. زیرا وقتی اکثر جامعه توافق دارند، یعنی اکثر جامعه دیده اند و دیده شدن توسط اکثر جامعه یعنی داشتن حداقل هایی برای به اشتراک گذاری.
پ.ن ۱) نکته ی مهم آن که ممکن است یک محتوا به قدری بد کیفیت باشد که خود کیفیت پایین آن سوژه ی اشتراک گذاری بین افراد باشد. در این مساله من از بروز و حضور چنین حالاتی که در اقلیت هم هستند صرفنظر کردم
پ.ن ۲) فرض نهان در این مساله اینست که با کیفیت بودن در جامعه چیزی است که مردم توقع دارند. اگر برعکس باشد نتیجه مساله دیگر به راحتی قابل تعمیم نیست. یعنی اگر در یک جامعه مثلا اوضاع در یک زمینه خاص خراب باشد و مردم دنبال اخبار بد و بدتر یا کالاهای بی کیفیت تر باشند رویه برعکس خواهد شد.
پ.ن۳ ) مدلی که در این مساله به کار بردم برای مسائلی به کار میروند که نشر اثر بسته به مکانیزم فرد به فرد دارد. مثلا وقتی یک یخچال تست کیفیت می شود و سپس به کل جامعه اعلام می شود دیگر نمیتوان از این مدل برای بررسی آن استفاده کرد.
یزدان بابازاده
داستان از اینجا جالب می شود، چرا این اتفاق میوفتد ؟ توضیح ساده ی آن به این صورت است که اگر یک محصول یا محتوا بسیار بسیار بی کیفیت باشد اصلا در جامعه منتشر نمی شود که بخواهد نظر منفی کسی را برانگیزد. از طرفی اگر یک محصول و کالا بسیار با کیفیت باشد نظر منفی ای نخواهد داشت که بخواهد باعث منفی شدن نظر جمع شود. در نتیجه آن محصولی که اکثر جامعه بر بد بودن آن توافق دارن احتمالا نه خیلی با کیفیت است و نه خیلی بی کیفیت. زیرا وقتی اکثر جامعه توافق دارند، یعنی اکثر جامعه دیده اند و دیده شدن توسط اکثر جامعه یعنی داشتن حداقل هایی برای به اشتراک گذاری.
پ.ن ۱) نکته ی مهم آن که ممکن است یک محتوا به قدری بد کیفیت باشد که خود کیفیت پایین آن سوژه ی اشتراک گذاری بین افراد باشد. در این مساله من از بروز و حضور چنین حالاتی که در اقلیت هم هستند صرفنظر کردم
پ.ن ۲) فرض نهان در این مساله اینست که با کیفیت بودن در جامعه چیزی است که مردم توقع دارند. اگر برعکس باشد نتیجه مساله دیگر به راحتی قابل تعمیم نیست. یعنی اگر در یک جامعه مثلا اوضاع در یک زمینه خاص خراب باشد و مردم دنبال اخبار بد و بدتر یا کالاهای بی کیفیت تر باشند رویه برعکس خواهد شد.
پ.ن۳ ) مدلی که در این مساله به کار بردم برای مسائلی به کار میروند که نشر اثر بسته به مکانیزم فرد به فرد دارد. مثلا وقتی یک یخچال تست کیفیت می شود و سپس به کل جامعه اعلام می شود دیگر نمیتوان از این مدل برای بررسی آن استفاده کرد.
یزدان بابازاده
موج چهارم چقدر خطرناک است ؟
این روزها همه درباره ی شروع موج چهارم شیوع کرونا در کشور می شنویم و چه بسا به نحوی درگیر آن نیز باشیم. مهم ترین سوال اما اینست که این موج چقدر خطرناک است ؟
پیش تر در کار دیگری توضیح داده بودم که تشدید قدرت موج های متوالی در یک جامعه کاملا طبیعی است و حتی می توان الگوی آن را نیز بدست آورد :
https://t.me/yazdan_babazadeh/452
حال در این کار آماری قصد دارم با استناد به کار قبلی و با استفااده از داده ی روزانه ی بیماری کرونا در ایران تخمین و پیش بینی از شدت بیماری داشته باشم. در ابتدا نگاهی داشته باشیم به نمودار تعداد بیماران روزانه بر حسب روز :
این روزها همه درباره ی شروع موج چهارم شیوع کرونا در کشور می شنویم و چه بسا به نحوی درگیر آن نیز باشیم. مهم ترین سوال اما اینست که این موج چقدر خطرناک است ؟
پیش تر در کار دیگری توضیح داده بودم که تشدید قدرت موج های متوالی در یک جامعه کاملا طبیعی است و حتی می توان الگوی آن را نیز بدست آورد :
https://t.me/yazdan_babazadeh/452
حال در این کار آماری قصد دارم با استناد به کار قبلی و با استفااده از داده ی روزانه ی بیماری کرونا در ایران تخمین و پیش بینی از شدت بیماری داشته باشم. در ابتدا نگاهی داشته باشیم به نمودار تعداد بیماران روزانه بر حسب روز :
در این نمودار ۳ موج قبلی و موج چهارم که در حال شکل گیری است قابل مشاهده اند. در این نمودار اما الگوی قابل مشاهده ای دیده نمیشود و با استناد به کار قبلی که لینکش را قرار دادم میدانیم که شیوع بیماری معمولا در فاز های مشخصی به صورت نمایی رخ میدهد. بنابراین حدس اولیه خوبی است که به جای بررسی خود تعداد بیماران بر حسب زمان، لگاریتم آن را بر حسب زمان بررسی کنیم :
در این نمودار اما مشاهده می کنیم که رشد بیماری پس از یک فاز اولیه، کاملا در یک کانال ( دو خط موازی پایین و بالای نمودار) رخ داده است. این اتفاق زمانی رخ میدهد که سیاست مقابله با کرونا تغییر چندانی نکند و نوسانات بیماری و تشکیل موج ها صرفا به خاطر رفتارهای جمعی و روانی جامعه باشد. بنابراین حال که همه ی قله ها روی یک خط قرار دارند می توانیم حدس بزنیم که احتمالا قله ی موج چهارم نیز روی همان خط محدود کننده ی بالا قرار میگیرد. اما سوال اینجاست که موج چهارم کجا خط بالا را قطع می کند ؟
هم از همین شکل و هم از توضیحات کار قبلی میدانیم که یک موج وقتی میخواهد شروع شود از خود رفتار نمایی بروز میدهد، بنابراین همان طور که می توان مشاهده کرد اگر در محدوده ی شروع موج ۴ یک خط به نقاط آن برازش کنیم می توانیم تخمینی از حرکت بعدی موج داشته باشیم :
هم از همین شکل و هم از توضیحات کار قبلی میدانیم که یک موج وقتی میخواهد شروع شود از خود رفتار نمایی بروز میدهد، بنابراین همان طور که می توان مشاهده کرد اگر در محدوده ی شروع موج ۴ یک خط به نقاط آن برازش کنیم می توانیم تخمینی از حرکت بعدی موج داشته باشیم :
همان طور که مشاهده می کنید نقطه ی تلاقی دو خط که در شکل با فلش قرمز مشخص شده است طبیعتا باید تخمین درست از نقطه ی اوج موج چهارم را به ما بدهد. می توان با کمی محاسبه و کار اماری این نقطه را بدست آورد. با تلاقی دو خط زمان رسیدن به نقطه ی اوج روز ۴۳۰ ام شروع بیماری ( حدودا ۱ اردیبهشت ) و با تعداد بیمار روزانه ی ۳۶ هزار نفر ! خواهد بود.
باید این نکته را مدنظر داشته باشیم که این تخمین با این فرض است که سیاست کلان مقابله با بیماری تغییر چندانی نسبت به سالی که گذشت نداشته باشد.
یزدان بابازاده
باید این نکته را مدنظر داشته باشیم که این تخمین با این فرض است که سیاست کلان مقابله با بیماری تغییر چندانی نسبت به سالی که گذشت نداشته باشد.
یزدان بابازاده
چند درصد مبتلایان کرونا در ایران فوت می کنند ؟
با دسترسی به داده ی تعداد فوتی و مبتلایان روزانه می توانیم درصد افراد فوت شده مبتلا به کرونا را محاسبه کنیم. نموداری که مشاهده می کنید تحول درصد فوت بر حسب زمان است. همان طور که می توان دید این درصد با گذر زمان در ۳ نقطه ماکزیمم داشته است که منطبق با ۳ موج کرونا است که تا کنون تجربه کردیم. با وجود آنکه این موج ها از یکدیگر قدرتمند تر بوده اند اما درصد فوت با گذر زمان دائما در حال افت بوده است که نشان دهنده ی تسلط و آشنایی و آمادگی بیشتر نظام درمان با ویروس و روش های معالجه ی بیماری و دیگر پارامتر های کمک کننده است. با برون یابی می توان درصد فوتی که توقع داریم در موج چهارم تجربه کنیم را محاسبه کنیم : عددی بین ۲ الی ۳ درصد
بنابراین اگر تخمین مان از تعداد افراد مبتلا ۳۰ هزار نفر باشد با این درصد فوت میبایست توقع فوت روزانه نزدیک بر ۱۰۰۰ نفر را داشته باشید. یزدان بابازاده
با دسترسی به داده ی تعداد فوتی و مبتلایان روزانه می توانیم درصد افراد فوت شده مبتلا به کرونا را محاسبه کنیم. نموداری که مشاهده می کنید تحول درصد فوت بر حسب زمان است. همان طور که می توان دید این درصد با گذر زمان در ۳ نقطه ماکزیمم داشته است که منطبق با ۳ موج کرونا است که تا کنون تجربه کردیم. با وجود آنکه این موج ها از یکدیگر قدرتمند تر بوده اند اما درصد فوت با گذر زمان دائما در حال افت بوده است که نشان دهنده ی تسلط و آشنایی و آمادگی بیشتر نظام درمان با ویروس و روش های معالجه ی بیماری و دیگر پارامتر های کمک کننده است. با برون یابی می توان درصد فوتی که توقع داریم در موج چهارم تجربه کنیم را محاسبه کنیم : عددی بین ۲ الی ۳ درصد
بنابراین اگر تخمین مان از تعداد افراد مبتلا ۳۰ هزار نفر باشد با این درصد فوت میبایست توقع فوت روزانه نزدیک بر ۱۰۰۰ نفر را داشته باشید. یزدان بابازاده
یک کلاغ چهل کلاغ - یا چطور شبکه ی ارتباطی مان به افکار ما شکل میدهد ؟
فرض کنید در جامعه ای زندگی می کنید با جمعیت N نفر. در این جامعه هر کس به طور متوسط با K نفر دیگر در ارتباط است. همچنین تصور کنید در این جامعه یک اتفاقی به صورت تصادفی برای مردم رخ میدهد ( مثلا درگیری با یک بیماری، یا تصادف، یا دزدی و ... ) و احتمال رخ داد این واقعه را ۲ درصد در نظر بگیرید. حال سوال اینجاست که اگر یکی از اعضای این جامعه بر اساس نزدیکان و افراد در ارتباط با خود بخواهد براوردی از درصد رخداد آن واقعه داشته باشد ( که می دانیم برابر با ۲درصد است ) این برآورد چقدر از حقیقت دور خواهد بود ؟
ابتدا کمی به روند دینامیک - مثلا بگوییم دزدی - در جامعه نگاه کنیم. ۲ درصد از جامعه واقعا مورد دزدی واقع میشوند. اما این افراد با افراد دیگری در ارتباط اند ( هرکدام به طور متوسط با K نفر دیگر) و آن افراد به صورت دست اول از این واقعه متاثر می شوند. اما افراد دسته اول با افراد دیگری در ارتباط اند که هنوز خبر را نشنیده اند و این افراد جدید به صورت دست دوم از واقعه تاثیر میپذیرند. و همین طور الی آخر تا همه ی اعضای جامعه به نحوی با چند دست فاصله از اتفاق متاثر شوند. دقت کنید که در این مساله از حضور رسانه های جمعی و شبکه های مجازی صرفنظر کرده ام.
حال یک شخص تصادفی میخواهد با نمونه گیری از جامعه اطراف خود ( همان K نفری که با آنها در ارتباط است) سر در بیاورد که حدودا چند درصد جامعه به مساله دزدی مرتبط هستند.
طبیعتا در سرشماری این فرد اگر کسی باشد که واقعا مورد دزدی واقعا شده باشد ۱ نفر شمرده میشود. اما افرادی که با واسطه به داستان اصلی مرتبط هستند با وزن کمتری شمرده خواهند شد.
یک پیشنهاد طبیعی برای تاثیر افراد با واسطه بر روی شخصی که سرشماری می کند اینست که این وزن را به صورت نمایی در نظر بگیریم. یعنی هر چه یک شخص با تعداد واسطه های بیشتری به هسته ی اصلی ماجرا مرتبط باشد تاثیر گذاری اش نیز کمتری میشود. در این صورت نتیجه ی سرشماری به صورت زیر خواهد بود :
فرض کنید در جامعه ای زندگی می کنید با جمعیت N نفر. در این جامعه هر کس به طور متوسط با K نفر دیگر در ارتباط است. همچنین تصور کنید در این جامعه یک اتفاقی به صورت تصادفی برای مردم رخ میدهد ( مثلا درگیری با یک بیماری، یا تصادف، یا دزدی و ... ) و احتمال رخ داد این واقعه را ۲ درصد در نظر بگیرید. حال سوال اینجاست که اگر یکی از اعضای این جامعه بر اساس نزدیکان و افراد در ارتباط با خود بخواهد براوردی از درصد رخداد آن واقعه داشته باشد ( که می دانیم برابر با ۲درصد است ) این برآورد چقدر از حقیقت دور خواهد بود ؟
ابتدا کمی به روند دینامیک - مثلا بگوییم دزدی - در جامعه نگاه کنیم. ۲ درصد از جامعه واقعا مورد دزدی واقع میشوند. اما این افراد با افراد دیگری در ارتباط اند ( هرکدام به طور متوسط با K نفر دیگر) و آن افراد به صورت دست اول از این واقعه متاثر می شوند. اما افراد دسته اول با افراد دیگری در ارتباط اند که هنوز خبر را نشنیده اند و این افراد جدید به صورت دست دوم از واقعه تاثیر میپذیرند. و همین طور الی آخر تا همه ی اعضای جامعه به نحوی با چند دست فاصله از اتفاق متاثر شوند. دقت کنید که در این مساله از حضور رسانه های جمعی و شبکه های مجازی صرفنظر کرده ام.
حال یک شخص تصادفی میخواهد با نمونه گیری از جامعه اطراف خود ( همان K نفری که با آنها در ارتباط است) سر در بیاورد که حدودا چند درصد جامعه به مساله دزدی مرتبط هستند.
طبیعتا در سرشماری این فرد اگر کسی باشد که واقعا مورد دزدی واقعا شده باشد ۱ نفر شمرده میشود. اما افرادی که با واسطه به داستان اصلی مرتبط هستند با وزن کمتری شمرده خواهند شد.
یک پیشنهاد طبیعی برای تاثیر افراد با واسطه بر روی شخصی که سرشماری می کند اینست که این وزن را به صورت نمایی در نظر بگیریم. یعنی هر چه یک شخص با تعداد واسطه های بیشتری به هسته ی اصلی ماجرا مرتبط باشد تاثیر گذاری اش نیز کمتری میشود. در این صورت نتیجه ی سرشماری به صورت زیر خواهد بود :
نمودار بالا نتیجه ی شبیه سازی کامپیوتری آن چه در بالا تعریف کردم برای یک جامعه ۱۰۰۰ نفری است. در این نمودار محور عمودی "درصد برآوردی یک شخص در جامعه از افراد درگیر با مساله" و محور افقی " تعداد ارتباطات هر فرد (همان K)" است.
به طور خلاصه از نمودار بالا چه میفهمیم ؟ دقت کنید که هر چقدر K بیشتر می شود درصد برآوردی کمتر و کمتر می شود تا جایی که به یک مقدار ثابت میرسد. خط قرمز رنگ برای مشخص کردن درصد واقعی (۲ درصد) رسم شده است و همان طور که می توان مشاهده کرد درصد برآوردی شخص تفاوت بسیاری با واقعیت دارد. به این معنی که شبکه ی ارتباطی باعث می شود یک شخص خیال کند نرخ دزدی در جامعه بسیار بالاتر از ان چیزی است که واقعا رخ میدهد. ما این پدیده را با نام " یک کلاغ چهل کلاغ " از گذشته میشناسیم و با آن آشنا هستیم و در اینجا نیز از خروجی شبیه سازی مجددا آن را مشاهده می کنیم.
اما نکته ی آموزنده آن است که هر چقدر تعداد ارتباطات مان را بیشتر می کنیم - با اینکه همچنان تخمین مان از واقعیت بسیار اغراق شده است - اما به واقعیت نزدیک تر می شود. از این نکته میتوان این درس را فراگرفت که با گسترش ارتباطات در یک جامعه می توان کمک کرد اعضای ان جامعه تصوری نزدیک تر به واقعیت های جامعه داشته باشند.
یزدان بابازاده
به طور خلاصه از نمودار بالا چه میفهمیم ؟ دقت کنید که هر چقدر K بیشتر می شود درصد برآوردی کمتر و کمتر می شود تا جایی که به یک مقدار ثابت میرسد. خط قرمز رنگ برای مشخص کردن درصد واقعی (۲ درصد) رسم شده است و همان طور که می توان مشاهده کرد درصد برآوردی شخص تفاوت بسیاری با واقعیت دارد. به این معنی که شبکه ی ارتباطی باعث می شود یک شخص خیال کند نرخ دزدی در جامعه بسیار بالاتر از ان چیزی است که واقعا رخ میدهد. ما این پدیده را با نام " یک کلاغ چهل کلاغ " از گذشته میشناسیم و با آن آشنا هستیم و در اینجا نیز از خروجی شبیه سازی مجددا آن را مشاهده می کنیم.
اما نکته ی آموزنده آن است که هر چقدر تعداد ارتباطات مان را بیشتر می کنیم - با اینکه همچنان تخمین مان از واقعیت بسیار اغراق شده است - اما به واقعیت نزدیک تر می شود. از این نکته میتوان این درس را فراگرفت که با گسترش ارتباطات در یک جامعه می توان کمک کرد اعضای ان جامعه تصوری نزدیک تر به واقعیت های جامعه داشته باشند.
یزدان بابازاده
یک معمای ساده اما جذاب
تعدادی زندانی ( مثلا ۱۰۰ نفر) را تصور کنید که همگی باور دارند یکی از قوانین زندان ( مثلا ساعت خاموشی) غیرانسانی است و باید تصحیح شود. حال تصور کنید این ۱۰۰ نفر متوجه شوند که قانون خاموشی برای ۱۰ نفر از آنها رعایت نمیشود (پارتی بازی یا دلایل دیگر). سوال اینست که ۹۰ نفر زندانی دیگر نسبت به این اتفاق چطور واکنش میدهند ؟ آیا رضایت شان افزایش میابد یا کاهش ؟
از سمتی، هر ۱۰۰ نفر معتقدند این قانون غیرانسانی است و درست اینست که این قانون برای هیچ انسانی اجرا نشود. از سوی دیگر معمولا هر قانون سختگیرانه ای ابتدا به صورت تکه تکه می شکند تا نهایتا جایگزین میشود در نتیجه رعایت نشدن قانون برای ۱۰ نفر میتواند شروعی برای تغییر قانون به طور کلی باشد و سطح متوسط رفاه زندان را افزایش دهد. در نتیجه توقع میرود زندانیان از این اتفاق خوشحال شوند.
از سوی دیگر اما نابرابری و رعایت نشدن قانون به طور یکسان برای همه خود میتواند زمینه ی نارضایتی را بوجود آورد. زیرا هر زندانی طبیعتا توقع دارد فرقی بین او و دیگری وجود نداشته باشد و با دیدن تبعیض نارضایتی اش افزایش میابد. سوال اساسی اما اینجا اینست که برآیند این دو محرک چه واکنشی را رقم میزند ؟
برای پاسخ به این سوال، ابتدا باید به این سوال جواب بدهیم که هر کس نارضایتی خود را چگونه اندازه میگیرد ؟ آزمایش ها و مطالعات بسیار زیادی به ما نشان میدهند که هر کس برای سنجش نارضایتی خود نیاز به یک مرجع برای مقایسه و تصمیم گیری دارد. به این معنا که هر کس وضع خود را باید با یک وضع مرجع مقایسه کند تا بتواند قضاوت کند که چقدر باید از وضع موجود ناراضی/راضی باشد.
در این مساله ۲ مرجع برای هر زندانی وجود دارد :
یک ) رفاه زندگی عادی و خارج از زندان که همه شان قبل از زندانی شدن تجربه کرده اند
دو ) متوسط رفاه زندانیان خود زندان
هر کس ابتدا وضع خود را با متوسط زندانیان می سنجند و سپس وضع زندان را با زندگی بیرون می سنجد و از ترکیب این دو قضاوت می کند که وضع خود به چه صورت است.
ددر نتیجه نارضایتی از اختلاف میان رفاه زندانی و رفاه متوسط زندانی ها + اختلاف میان رفاه متوسط زندانی ها و رفاه زندگی بیرون زندان نشات میگیرد.
تعدادی زندانی ( مثلا ۱۰۰ نفر) را تصور کنید که همگی باور دارند یکی از قوانین زندان ( مثلا ساعت خاموشی) غیرانسانی است و باید تصحیح شود. حال تصور کنید این ۱۰۰ نفر متوجه شوند که قانون خاموشی برای ۱۰ نفر از آنها رعایت نمیشود (پارتی بازی یا دلایل دیگر). سوال اینست که ۹۰ نفر زندانی دیگر نسبت به این اتفاق چطور واکنش میدهند ؟ آیا رضایت شان افزایش میابد یا کاهش ؟
از سمتی، هر ۱۰۰ نفر معتقدند این قانون غیرانسانی است و درست اینست که این قانون برای هیچ انسانی اجرا نشود. از سوی دیگر معمولا هر قانون سختگیرانه ای ابتدا به صورت تکه تکه می شکند تا نهایتا جایگزین میشود در نتیجه رعایت نشدن قانون برای ۱۰ نفر میتواند شروعی برای تغییر قانون به طور کلی باشد و سطح متوسط رفاه زندان را افزایش دهد. در نتیجه توقع میرود زندانیان از این اتفاق خوشحال شوند.
از سوی دیگر اما نابرابری و رعایت نشدن قانون به طور یکسان برای همه خود میتواند زمینه ی نارضایتی را بوجود آورد. زیرا هر زندانی طبیعتا توقع دارد فرقی بین او و دیگری وجود نداشته باشد و با دیدن تبعیض نارضایتی اش افزایش میابد. سوال اساسی اما اینجا اینست که برآیند این دو محرک چه واکنشی را رقم میزند ؟
برای پاسخ به این سوال، ابتدا باید به این سوال جواب بدهیم که هر کس نارضایتی خود را چگونه اندازه میگیرد ؟ آزمایش ها و مطالعات بسیار زیادی به ما نشان میدهند که هر کس برای سنجش نارضایتی خود نیاز به یک مرجع برای مقایسه و تصمیم گیری دارد. به این معنا که هر کس وضع خود را باید با یک وضع مرجع مقایسه کند تا بتواند قضاوت کند که چقدر باید از وضع موجود ناراضی/راضی باشد.
در این مساله ۲ مرجع برای هر زندانی وجود دارد :
یک ) رفاه زندگی عادی و خارج از زندان که همه شان قبل از زندانی شدن تجربه کرده اند
دو ) متوسط رفاه زندانیان خود زندان
هر کس ابتدا وضع خود را با متوسط زندانیان می سنجند و سپس وضع زندان را با زندگی بیرون می سنجد و از ترکیب این دو قضاوت می کند که وضع خود به چه صورت است.
ددر نتیجه نارضایتی از اختلاف میان رفاه زندانی و رفاه متوسط زندانی ها + اختلاف میان رفاه متوسط زندانی ها و رفاه زندگی بیرون زندان نشات میگیرد.
برای کمی کردن این مساله پارامتر S را به عنوان سطح کیفیت زندگی برای هر فرد در نظر میگیریم. این پارامتر می تواند عددی بین ۰ تا ۱۰ باشد. اعمال قانونی که ذکر شد به علت ناعادلانه بودن و غیرانسانی بودنش از سطح کیفیت افراد زندانی کم می کند و آن ۱۰ نفری که به هر دلیلی قانون را دور میزنند سطح کیفیت بالاتری را تجربه می کنند. برای مثال تصور کنیم زندگی گذشته افراد در بیرون از زندان کیفیت ۹ را داشته باشد و در حال حاضر آن ۹۰ نفر کیفیت ۱ را تجربه کنند. حال سوال اینست که با افزایش میانگین S ( به علت دور زدن ۱۰ نفر) نارضایتی را افزایش میدهد یا کاهش. اگر با تعریفی که از نارضایتی داشتیم این پارامتر را رسم کنیم به نمودار زیر خواهیم رسید :
نتیجه جالب توجه است ! اگر به علت دور زدن ۱۰ نفر میانگین سطح کیفیت شروع به رشد کند ابتدا نارضایتی افراد کاهش میابد و افراد از این مساله استقبال می کنند.
اما از جایی به بعد این روند معکوس میشود. با افزایش دور زدن قانون نارضایتی شروع به افزایش می کند. اما این نقطه ی چرخش کجاست ؟ با دقت به نمودار این نقطه روی محور افقی ۵ است و ۵ دقیقا میان ۱ و ۹ است. یعنی وقتی ۱۰ نفر مقدار کمی قانون را دور میزنند، نفع این اتفاق به حس بد نابرابری و تبعیض می چربد اما وقتی مقدار دور زدن قانون سطح کیفیت متوسط را با مقدار خارج از زندان قابل مقایسه می کند احساس بد تبعیض و نابرابری شروع به غلبه بر منفعت این اتفاق می کند. طبیعتا این مدل بسیار ساده و کلی است اما با فرض اینکه نتیجه گیری کلی این مساله در مدل های دقیق تر نیز برقرار باشد می توان سوالات فراوانی در مقیاس های مختلف در برابر نفرت پراکنی ها و منطق پشت آنها داشت. اما این مساله جانبی دیگریست که به خواننده واگذار میگردد :)
یزدان بابازاده
اما از جایی به بعد این روند معکوس میشود. با افزایش دور زدن قانون نارضایتی شروع به افزایش می کند. اما این نقطه ی چرخش کجاست ؟ با دقت به نمودار این نقطه روی محور افقی ۵ است و ۵ دقیقا میان ۱ و ۹ است. یعنی وقتی ۱۰ نفر مقدار کمی قانون را دور میزنند، نفع این اتفاق به حس بد نابرابری و تبعیض می چربد اما وقتی مقدار دور زدن قانون سطح کیفیت متوسط را با مقدار خارج از زندان قابل مقایسه می کند احساس بد تبعیض و نابرابری شروع به غلبه بر منفعت این اتفاق می کند. طبیعتا این مدل بسیار ساده و کلی است اما با فرض اینکه نتیجه گیری کلی این مساله در مدل های دقیق تر نیز برقرار باشد می توان سوالات فراوانی در مقیاس های مختلف در برابر نفرت پراکنی ها و منطق پشت آنها داشت. اما این مساله جانبی دیگریست که به خواننده واگذار میگردد :)
یزدان بابازاده
موج پنجم چقدر خطرناک است ؟
با توجه به شروع موج پنجم کرونا در ایران، گمانه زنی ها درباره ی زمان اوج گیری و شدت بیماری در این موج جدید شروع شده اند. در این متن قصد دارم با توجه به داده های تعداد مبتلایان روزانه گزارش شده در ایران تخمینی از زمان و تعداد بیماران در اوج بیماری ارایه دهم. ابتدا نگاهی داشته باشیم به نمودار تعداد مبتلایان روزانه بر حسب روز در ایران :
با توجه به شروع موج پنجم کرونا در ایران، گمانه زنی ها درباره ی زمان اوج گیری و شدت بیماری در این موج جدید شروع شده اند. در این متن قصد دارم با توجه به داده های تعداد مبتلایان روزانه گزارش شده در ایران تخمینی از زمان و تعداد بیماران در اوج بیماری ارایه دهم. ابتدا نگاهی داشته باشیم به نمودار تعداد مبتلایان روزانه بر حسب روز در ایران :
همان طور که در نموار مشخص است، امواج مختلف بیماری به صورت مجزا از یکدیگر قابل تفکیک هستند. برای تحلیل بهتر و دقیق تر و مشخص شدن منطق تحلیل، از محودر عموی نمودار لگاریتم گرفته و نمودار لگاریتم تعداد مبتلایان روزانه بر حسب زمان را رسم می کنم :