年纪越大, 变的越来越忧国忧民了, 天天留心国内发生的和我没什么关系的烂事. ----另个方面也可能是计划着过几年回国混日子, 这种乱乱的形势, 隐隐的也是有点担忧的.
6-*~ t8 tr}KPdE 网上对中国批评的最多的就是国内分配不公, 贫富差距却越来越大的问题. 中国经历了20多年的改革, 人民的生活不管从横向还是纵向都有很大的提高, 而对社会不满的人却越来越多了, 也有很多人开始怀念毛的时代. 我们的改革是成功了还是失败了?
9nng}em>. 7XUhJN3n 看这些文章让我思考这样的一个问题, "贫富差距是合理的还是不合理的?" "到底我们希望的是个什么样的社会制度?" 或是更广泛点 "什么样的社会才是人类终极追求的?"
\yih 1Om>~ ^H5w41 2UU 2Vm_6 先来解释2个统计名词. (顺便说下, 统计是我的本行,这也是我对这本书感兴趣的一个方面, ----用数学推理的方法来演绎社会学):
/Y;+PAy ZhGh {D[, 1. 先说什么是minmax. minmax原则是从最小风险原理推广出来的. 在保险的保单制作, 投资的风险评估,以及option的定价中用的很多. 下面举个例子说明:
C+/E qq^( 说有这么4场赌局 (概率,统计最早就是赌徒们开始研究的,所以一般举例子都离不开赌博)
tv 4s12& A: 下100块, 可以赢 500
U/.w;DI B: 下100块, 可以赢 1000
a);O3N/*I C: 下1000块, 可以赢 5000
*oEv ,I_ D: 下1000块, 可以赢 10000
" t5
+* 假设这4个赌局输赢的机会是一半一半, 都是50%, 赌徒会选择那个赌局?
H/^ ~<U#p 单从收益(期望值)来说D的期望最大:5500, 如果赌徒有无限资本, 并且可以一直玩下去就会选A.
]{K5zSK 但是在现时中, 赌徒的钱可能不多, 可能1000块要挣10年才能挣到, 去D赌局输了的话没有翻本的机会. 所以赌徒会选择B赌局. 这就是MINMAX原则: 先MIN风险, 100 和1000中选100, 剩下赌局A,B. 再MAX收益, 在A,B中选收益大的B.
u{g]gA8s (g%JK3 2. 再谈个概念是: PRIOR, 先验. 这是Bayesian (贝叶斯) 的观点, 现在在统计学中是属于少数派, 先验是指在我们对结论做推断前我们先确定的1个结论(客观存在,或上帝), 通过我们的实践再对这个结论做修改---posterior(后验).
* T JBPM, ~8jThi
U 说完这2个名词我们开始讨论 我们的主题公平(正义). 公平不是平等, 人和人之间生来就是不平等的(等同的). 因为性别的不同, 宗教的不同, 智商的不同,健康的不同,等等使得人和人之间不平等. 公平在鲁饼寻的单人社会里是没有意义的. 公平只在多人社会里发生.
{[Uti^)m% D-Bv(/Pz]$ 那么什么是公平呢, 在日常生活中我们评判甲乙2方争吵的时候, 我们会说从甲方的立场看是这样,从乙方的观点看是那样, 如果评判的人越是和甲乙2方越没有利益的关系, 我们越是认为这种评判越公平. (也许你要说这个世界上任何2个人之间都会有这样或那样的关系.) 西方的陪审团制度就是这种公平的一种衍生. 陪审员是随即产生的要尽量代表社会上不同的种族,阶级,团体. 然后按人数的多寡来形成评判. 那么这种代表多数人的评判是不是"公平" 呢? 如果是, 为什么是呢?
`xISkW4 % Jq# [uX 我们来设想下面一种情况: 有这么1个纯洁的灵魂,我们叫它pure spirit, 要去投生. 这个灵魂
vn |TiZ 有着先验的经验(prior distribution), 它知道人类社会的一切情况, 知道如果投生成富人日子会过的很好, 投生成穷人会连狗都不如, 但是它只能投生1次, 而且变成穷人和富人,黑人还是白人,完全不能控制, 投生以后它的先验也会消失. 那么这个可怜的灵魂希望投生到什么样的社会里呢?
!(W[!% 'is ,^q:@ 说到这里MINMAX原则就起作用了, 因为这个灵魂更本不能决定它这背子会是男人还是女人,是穷人还是富人, 而且它只能投生1次, 它输不起, 所以按照MINMAX原则它希望投生的社会是尽量扶植穷人,压制富人的社会.
4]"a;( nnfY$&3A 这是个很有意思的例子, 这个例子中我们用严密的数学推理论断了: 一个公平(正义)的社会制度必然是扶植穷人,压制富人的社会.
/ lf\
E= #C"7
l6'a |9 +bSH9 注:
g/OI|1a 最近看了本罗尔斯的《正义论》, 1971年出版的, 到是让我感觉到了点新意. 书论述的方法也是让我有一种新的视角的体验. 书中系统的论述了"公平是人类理想社会的基础".
, ] f) ,;=
96vj)ql Z -pyF K\ 
