【從奧運談根部中心】
2020東京奧運終於在剛過去的星期天落幕。在環球疫情肆虐下舉行的這次奧運會,本身已經極具歷史意義,透過自身就已經盡顯不屈不饒、堅持不懈的奧林匹克精神。而更值得高興的,當然是香港與台灣皆獲得了前身未有的好成績,相信能夠在這動盪不安的大時代,帶給大家一點安慰與振奮。
能夠踏上奧運這終極舞台,並最終贏得獎牌的選手們,必定每位都是身經百戰的戰士,擁有常人無法媲美的強大心臟(拳擊術語,代表無法阻擋的求勝意志,如何被擊倒都有力量再次站起來)。然而,看著選手們的精彩比賽,不禁讓我疑惑到,他們的Human Design 人類圖設計究竟長甚麼模樣?根據Human Design人類圖的區分系統,有說到開放根部中心的人(空根)比較不擅於抗壓,那奧運奬牌得主是否會比較偏重有定義根部中心的人呢?
在好奇心和市場調研職業病的驅使下,我決定做一個客觀的研究分析,挑選了60名來自世界各地的歷屆奧運奬牌得主,跑他們的圖來看看他們的設計差異。
這60位選手皆曾經在奧運比賽中贏取過奬牌,也橫跨了不同的年代、國籍與比賽項目,以求盡量減低sampling bias(取樣偏誤)。此外,除了少數能夠找出準確出生時間的選手(依據 Astrodatabank),其餘大部份選手我都會替他們每隔6小時跑一張圖,確保得出的結果具可靠性。
在這60個樣本當中,有31位選手根部中心有定義,其中包括「台灣聖筊」麟洋配二人、為香港拿下第一金的張家朗、100米世界紀錄保持者牙買加飛人Usain Bolt(保特/博爾特)、以及曾拿下三面奧運銀牌的「大馬羽球一哥」李宗偉等。
開放根部中心的則有16個,其中包括為香港拿下兩面銀牌的飛魚何詩蓓、被譽為羽球壇GOAT(Greatest of All Time)的林丹、曾於2016里奧奧運拿下四金一銅但這次因為精神健康而選擇臨場退賽的美國競技體操選手Simone Biles(比列絲/拜爾斯)等。
另外的13位,由於無法呈現出一致結果(同一天的部份時間為有定義,部份時間為開放),所以無法解讀。
➡️➡️ 如果有興趣知道詳細分析結果,歡迎前往網頁版並滑到最底下查看明細:https://bit.ly/3yK0xLS
驟眼看來,31比16(66% vs 34%),奬牌得主看來彷彿真的比較傾向擁有有定義根部中心。然而,當考慮到人口中根部有定義的本來就偏多(60-68%),剛好與以上選手有定義比例相符合(fair share的概念)。換句話說,根部中心有定義與否,似乎並不影響這選手在奧運做出好表現並贏得奬牌的機會。
若是如此,那我們又該如何理解有定義與開放根部之間的差別呢?
首先,開放根部中心,並不代表一定無法在壓力下發揮,只是代表他們比較沒有穩定的方法去面對壓力,因此在面臨壓力的情況下,反而會呈現出兩極化的表現,要不超水準,要不失場。
在近代NBA中,出現了三位歷史級超巨,分別是Michael Jordan(佐敦/喬丹)、Kobe Bryant(高比/柯比)以及 Lebron James(大帝占士/詹姆士大帝)。他們經常被球迷拿來作比較,而且就算不太懂籃球的人大概也聽過他們的大名,所以用來作例子正好。
Michael Jordan 與 Lebron James 兩者的根部中心皆有定義。在他們的職業生涯中,場均得分大約是27-30,歷史最高單場得分分別為69和61,而得分少於20的場次只佔總場次的14-18%。
相比之下,開放根部中心的Kobe則有著很不一樣的表現。在他的職業生涯中,場均得分為25,略少於前者,但差異並不算太明顯。但有趣的是,他的得分更顯兩極化,他曾經單場砍下81分(1963年後的最高記錄),但得分少於20分的場次卻佔總場次的30%,比例明顯比前者高。
當然以上只是很片面的數據分析,既沒有理會數據的完整分佈(data distribution pattern),也無可避免忽略了很多難以量化的影響因素(傷患、職業生涯的長短、關鍵時間的得分)。
但無論空根也好,兩極化的得分也好,我以上所說的,並沒有意圖否定Kobe的偉大。剛好相反,我反而覺得Kobe的偉大,正正在於他能夠從自己的不穩定中,領悟出一套屬於自己的打球智慧。
面對壓力的不穩定性,只是開放根部中心的一個特質,並不代表比較不厲害,也絕非甚麼需要改善的缺點。現實是,只要能夠讓自己回到內在權威與策略,開放根部中心的人其實也能夠減低壓力對他們的負面影響,在轉化壓力成為推動力的同時,不會被壓力壓垮。
擁有20-34通道的Kobe正正是這樣的一位偉大球員。他曾說過,當他專注在比賽中,他會忽然進入一個心流的境界(being in the zone)。時間會放慢,你再也聽不見週邊的聲音,只專注在當下眼前這事情上,彷彿一種入定的狀態。就是這樣的一套打球心法,讓開放根部中心的Kobe最終成為了籃球世界中的傳奇。
換句話說,根部中心有定義與否,影響的並非最終的表現或成就,而是你展現才能的模式。
回到這次的奧運賽事觀察體驗中,上星期看著小戴與陳雨菲的羽球冠軍戰,也同樣讓我得到很深刻的感受與領悟。
看著小戴不斷猛烈進攻,和陳雨菲的穩守突擊,讓我不禁好奇他們有著怎樣的Human Design人類圖設計。我本來最想看的就是小戴的圖,但偏偏因為出生時間不明,只知道她必定是顯示者,卻無法確定她根部中心是否有定義。但她的對手陳雨菲則一整天都是開放根部中心。這確實讓我感到挺訝異的。
雖然我也很想小戴可以擊敗陳雨菲,拿到金牌,但無可否認的是,陳雨菲的防守真的很厲害。尤其無論落後或領先,她總是一直能夠穩定地、不慌不忙地執行相同的策略,就是一直防守等待對手出錯。
這不禁讓我疑惑到,開放根部中心的人,面對壓力時真的能夠如此穩定嗎?壓力到底是甚麼一回事?
然後我發現到,壓力其實是一件很個人的事,全看個人的心態。
同樣的一位奧運選手,如果他覺得自己能夠走到這裡已經很滿足,真心相信輸贏與否已經不再重要,因此只想盡情享受高手過招,那壓力應該會比較少;但如果他覺得自己非拿到奬牌不可,就會形成很大的壓力,再加上如果他更自覺能力比不上對方,那壓力就自然更大。
一念天堂,一念地獄。壓力絕非一個可以由旁人客觀量化的指標,也因此可以透過心態的改變作出調整。
一個空根的人,或許可以透過作出充足的準備,讓自己壓力減少。當他已經把對方的招數研習清楚,當他認定雙方實力程度有明顯的差距,那壓力自然會降低。
同樣地,一個空根的人,也可以透過接受抗壓鍛鍊,讓自己對壓力變得麻木,去提升自己的抗壓力。(當然這只是一種可以提升抗壓力的可能性,或許的確能夠讓選手在大賽中獲得好表現,但對空根的人來說,絕非好的做法,因為長期下來身體或許會付出代價)
當然,我們都不知道陳雨菲在背後經歷了甚麼,經過了甚麼鍛鍊,才能夠在壓力下保持穩定,但從她、Kobe和其它空根奧運選手的例子中應該能夠看出,空根絕非弱點,擁有這設計的人更不一定無法承受壓力,做出驚人的表現。
只要學懂跟自己的身體相處,其實我們每個人都能夠用適合各自的方法,把壓力轉化為推動力。
#東京奧運 #Tokyo2020 #小戴 #戴資穎 #陳雨菲 #Jordan #喬丹 #佐敦 #Kobe #柯比 #高比 #Lebron #大帝 #根部中心 #空根 #定義與開放
---
✨✨ 若在職場上遇上任何疑難,或想探索自己在職場上的可能性,歡迎按以下連結,了解【 職場引導服務 】詳情。👇👇
https://www.KevinCareerCoaching.com/service
.
🔍🔍 若對走進Human Design人類圖的世界,對學習基礎知識很感興趣,歡迎按以下連結,了解【Living Your Design 人類圖初階課程 】詳情。👇👇
https://www.kevincareercoaching.com/livingyourdesign
.
💪💪 若渴望能夠在日常生活中好好運用自己的薦骨權威,或想認識薦骨的運作,歡迎按以下連結,了解【薦骨健身房 】詳情。👇👇
https://www.KevinCareerCoaching.com/sacral-gym
.
👁️👁️ 若對靈魂、意念和催眠感到興趣,歡迎追蹤 靈魂事務所專頁,獲得最新的課程和服務資訊。
同時也有10000部Youtube影片,追蹤數超過2,910的網紅コバにゃんチャンネル,也在其Youtube影片中提到,...
「sampling distribution」的推薦目錄:
- 關於sampling distribution 在 孭起背包·遊歷不預期 Facebook 的最佳貼文
- 關於sampling distribution 在 辣媽英文天后 林俐 Carol Facebook 的最佳解答
- 關於sampling distribution 在 簡余晏 Facebook 的最佳貼文
- 關於sampling distribution 在 コバにゃんチャンネル Youtube 的精選貼文
- 關於sampling distribution 在 大象中醫 Youtube 的最讚貼文
- 關於sampling distribution 在 大象中醫 Youtube 的最讚貼文
- 關於sampling distribution 在 [統計學] 第七講、Sampling Distribution and Estimation 的評價
- 關於sampling distribution 在 6.2 The Sampling Distribution of the Sample Mean 的評價
sampling distribution 在 辣媽英文天后 林俐 Carol Facebook 的最佳解答
俐媽看到這個圖(IG: freeformeshop)的想法是:
看個錶怎麼會這麼累😂😂😂😂
——————————————
感謝模B的宜婷,她是已經退休的科研數學教學,她也針對自己有興趣的主題,投稿了數學餐!
👩🏻🏫 宜婷+俐媽英文教室:
👉數論
1️⃣ 數系:
①ℕ natural number 自然數
②ℤ integer 整數
→ decimal小數(循環 recurring+,無限infinite+)
③ℚ rational number 有理數
→ irrational number 無理數
④ℝ real number 實數
→imaginary number虛數
⑤ℂ complex number 複數
2️⃣ sentence 語句
3️⃣ proposition 命題:有真假可言的直述(indicative)語句
4️⃣ axiom 公理:不證自明的命題
5️⃣ set 集合
6️⃣ assume (vt.) 假設(-sum: take)
→assumption (n. C) 假設
→make assumption about
7️⃣ denote (vt.) 表示
→denotation (n.C) 意義,本意
8️⃣ exist (vi.) 存在(-sist: stand)
→existence (n.U) 存在
9️⃣ satisfy (vt.) 滿足
🔟 commutative laws 交換律【x+y=y+x、x×y=y×x】
1️⃣1️⃣ associative laws 結合律【x+(y+z)=(x+y)+z、x(yz)=(xy)z】
1️⃣2️⃣ distributive law 分配【x(y+z)=xy+ xz】
1️⃣3️⃣ law of trichotomy 三一律
1️⃣4️⃣ axioms of equality 等量公理
1️⃣5️⃣ reciprocal (n.) 倒數;(adj.) 相互的,互惠的
1️⃣6️⃣ factor因數
→ common factor 公因數
1️⃣7️⃣ multiple 倍數
→ common multiple 公倍數
1️⃣8️⃣ Euclidean algorithm 輾轉相除法(歐幾里得算法)
👉集合論
1️⃣ subset 子集(sub-: under)
2️⃣ empty set 空集合
3️⃣ universal set 宇集(uni-: one/ -vers: turn)
4️⃣ intersection 交集(-sect: cut)
5️⃣ union 聯集
6️⃣ difference set 差集
7️⃣ complement set 補集
8️⃣ Venn diagram 文氏圖
9️⃣ power set 冪集合
🔟 element 元素
1️⃣1️⃣ sufficient condition 充分條件
1️⃣2️⃣ necessary condition 必要條件
1️⃣3️⃣ if and only if 若且唯若(充分且必要)(⇔)
👉機率統計
1️⃣ Random Variable隨機變數【variable (n.C) 變數;(adj.) 多變的,反覆無常的】
2️⃣ discrete (adj.) 離散的,單獨的
3️⃣ Probability Distribution 機率分布
4️⃣ expectation 期望值
5️⃣ Linearity of Expectation 期望值的線性
6️⃣ variance 變異數
7️⃣ independent event 獨立事件 (cf. mutually exclusive event 互斥事件)
8️⃣ repeated experiment 重複試驗
9️⃣ Binomial theorem 二項式定理
🔟 Binomial distribution 二項式分布
1️⃣1️⃣ sampling抽樣
→population母體,sample樣本
①簡單隨機抽樣 sample random sampling:每一樣本抽到機率相同
②系統性抽樣 systematic sampling:將母體元素編號後,每隔一定間隔抽取一個樣本
③分層隨機抽樣 stratified random sampling:將母體按某些特性分成數個不重疊的層,再依各層佔母體比例抽取樣本
④叢集抽樣 cluster sampling:將母體中相鄰近的個體排為一集體,而以集體為抽樣單位
1️⃣2️⃣ normal distribution 常態分布(Gaussian distribution 高斯分布)
1️⃣3️⃣ standard score (standardized score) 標準分數(標準化分數)
——————————————
謝謝宜婷🙏🏼
附圖2, 3是常見的數學表示法哦!
#俐媽英文教室 #辣媽英文天后林俐carol #俐媽英文教室徵稿中 #mathematics #themewords
sampling distribution 在 簡余晏 Facebook 的最佳貼文
拒絕「綵衣娛親」式的民調
隨著2018年11月底「九合一」選戰的到來,可以預見各種民調將陸續出籠。但最讓選民困惑的是,各民調結果常南轅北轍,媒體、學者或名嘴通稱這是所謂的「機構效應」。我大學讀統計系,所以最近常被朋友們問:什麼是「機構效應」。
談統計的書,給多數人的印象是很「悶」或「艱澀」。因此我特別推薦一本美國普渡大學(Purdue University)統計學教授大衛•摩爾(David Moore),以深入淺出方式,所寫的書--【統計的概念與爭議】(Statistics –Concepts and Controversies)。
他首先談到如何利用樣本來推估母體,以及在什麼條件下,其統計量(statistic)才能用來估計母體的參數(parameter)。
參數是用來描述母體的數字,但實際上我們無法知道;不過如果我們抽樣時遵守統計學邏輯,然後計算樣本的統計量,那就可用來推估母體的參數。
這個統計邏輯是,雖無法保證樣本一定能代表母體,但要用公平的方法來選擇樣本。也就是樣本必須是不偏(unbise)的,這就像打靶時,瞄準不能偏離靶心一樣。
要取得不偏樣本,首先是民調問題的設計不可刻意引導,讓其往特定的方向偏移。
其次是不能為方便,而使用「方便抽樣(convenience sampling)」或自發性回應樣本(voluntary reponse sample)。前者是選最容易取得的樣本,例如在特定場所隨意問經過的人們;後者例如電視call-in調查。因為用以上方式取得的樣本,都是偏向的。
要取得不偏樣本,可用簡單隨機抽樣(SRS)來取樣,因SRS符合:「抽樣時每個個體,被選入樣本的機率都相同」。
SRS的作法,步驟一是先將樣本中的個體,依所需的樣本數編碼。
其次是製作隨機數字表,該表滿足以下性質:
1、每個數字出現的機會一樣。
2、每個數字的出現,不會影響下個數字出現的機率。例如丟銅板實驗,由於銅板沒有記憶,所以它不會認為已經連續出現5次正面,所以下次「故意」出現反面。
步驟三是依據隨機數字表和樣本個體的編碼,進行抽樣。
以上SRS這些工作,現在都可設計程式,然後用電腦來執行。
簡單隨機抽樣雖解決瞄準偏離靶心的問題,但當我們從同一母體進行多次抽樣時,每次樣本統計量的值會隨之改變。這猶如多次射擊時,彈著點不可能打中同一點,這就是精確度問題。
不過抽樣分布(sampling distribution)原理告訴我們,大樣本的抽樣變異遠低於小樣本,所以足夠的樣本數可以解決精確度的問題。
根據以上的統計知識,嚴格的說「機構效應」並非科學名詞。真正的原因,應是這些民調中,有某些至少犯了:
1、 設計引導性問題。
2、採用方便抽樣、自發性回應抽樣或其他不當方法導致樣本偏向。
3、樣本太小,以致抽樣誤差太大,使得該統計量無法推估母體參數。
最等而下之的是製造假數字,或分析民調數字時濫用工具「拷打資料」,最後資料在「酷刑逼供」下「投降」了,給出政客想要的數字。
通常台灣戰略模擬學會(TASS)稱以上這些為討好政客,而刻意操作的民調為「綵衣娛親」式的民調。
今年的選戰,我們必須睜大眼睛,不要輕易相信「數字會說話」的文宣,也別再被「機構效應」這個名詞呼嚨,更應拒絕接受「綵衣娛親」式的民調。
sampling distribution 在 コバにゃんチャンネル Youtube 的精選貼文
sampling distribution 在 大象中醫 Youtube 的最讚貼文
sampling distribution 在 大象中醫 Youtube 的最讚貼文
sampling distribution 在 6.2 The Sampling Distribution of the Sample Mean 的推薦與評價
The Central Limit Theorem is illustrated for several common population distributions in Figure 6.3 "Distribution of Populations and Sample Means". Figure 6.3 ... ... <看更多>
sampling distribution 在 [統計學] 第七講、Sampling Distribution and Estimation 的推薦與評價
... <看更多>