《Thunder on the Brazos》，纪录作品，美国出品，2004年上映。
看了此剧再看那些名画，感觉画面瞬间鲜活起来，连那些不起眼的小角落的东西都有了意义。以前都是看热闹。用这些画串联起来希腊神话故事更容易理解了。编剧的解读和吐槽很有趣，编剧笔下那些鼎鼎大名的画家也有了人气儿。
这么好看的书为什么评分上不去 也在追隔壁掌欢 掌欢也好看 但是9分的评分呐 Thunder on the Brazos不该低于9分啊
谁能决定在自己的人生旅途中先遇上谁，爱上谁？只有到了当下才知道，最后是他同她看四季轮回。
做一个多模型思考者，做更明智的决策。 一、总结联想 1、概述 模型是什么 分类：简化模型、类比模型、探索性模型； 特征：简化、形式化、所有模型都是错误的； 结果：均衡、周期、随机、复杂； 模型怎么用 7大用途：推理、解释、设计、沟通、行动、预测、探索； 构建方法：具身法、类比法、另类现实法； 数学方法：确定变量、变量关系、归纳性探索； 例：搬家：装箱问题，“大石头优先”原则，首次适应算法； 为什么需要多模型 多模型：思考 VS 单一正确模型：解题； 孔多塞陪审团定理：模型越多，准确率越高； 多样性预测定理：群体误差=个体平均误差-多样性； 模型过多：边际效用递减、过度拟合（例：1比1的地图）：避免使用高阶项（放大误差）； 人类建模困难 人有多样性、易受社会影响、容易出错、有目的、有适应能力； 人有主体性：采取行动、改变行为、学习能力； 2、模型 01 正态分布 正态分布：变量相加，中心极限定理；例：身高分布、学生成绩； 对数正态分布：变量相乘，不确定性高；例：大多数国家的收入分布； 六西格玛：1sigma=68%，2sigma=95%，3sigma=99.75%；例：金属零件尺寸管控； 例：加薪；等额加薪、百分比加薪（扩大差异）； 例：小学校成绩好；小样本方差大，易出现极端情况； 02 幂律分布：长尾分布 例：城市人口分布、视频下载量、剧集销量、地震分布； 产生原因：正反馈、互相依赖性；马太效应、优先连接模型、社会效应； 例：销量高的产品更受欢迎，销量越来越高； 自组织临界模型：沙堆模型、森林火灾模型； 长尾分布意味着少数几个大“赢家”（大崩溃、大地震、大火灾、严重的交通拥堵）和很多的“输家”； 机会的增加可以创造风险激励； 03 线性模型 揭示变量间的相关关系，而不是因果关系； 实力-运气方程；成功 = a x 实力 + (1-a) x 运气，a属于； 大多数有趣的现象都不是线性的，可以线性拟合、用线性分段表示非线性； 分类模型（降低方差）：线性、非线性、决策树森林； 04 非线性模型 凸函数：指数增长模型（72法则），正反馈；例：摩尔定律； 凹函数：收益递减、负反馈；例：半衰期模型； 经济增长模型：投入=折旧时达到均衡；减少攫取和腐败、促进创新； 例：人口（指数增长）/粮食（线性增长）问题； 结论：涉及非线性，直觉就不够用了； 05 价值和权力模型 最后上车者价值：最后加入者的边际贡献（可替代性）；例：企业聘用多余的员工、分散购买； 夏普利值：遍历所有加入序列，边际贡献平均值；例：打麻将三缺一； 应用：合作博弈，投票博弈； 例：扩大联盟规模，使“最后上车着价值”趋向于0；只有微弱多数的政党，每个成员“最后上车者价值”很高； 06 网络模型 参数：度、路径长度、介数、聚类系数； 六度分隔理论，三度朋友很重要（新机会、新信息）； 友谊悖论：大多数人的朋友比他们自己更受欢迎； 关键节点（中心节点）有更多的连接，结构洞； 07 广播模型、扩散模型和传染模型 扩散概率 = 接触概率 x 分享概率； 例：社会现象，消息传播； 传染病SIR模型，超级传播者（关键节点）； 基本再生数R0，细小的差异，很大的改变；例：流行歌手Justin Bieber R0=24； 直接临界点（例：山顶上的球），与指数增长的转折点不同； 08 熵：对不确定性建模 信息熵：二元问题的数量； 4种结果的熵：均衡=0<周期性<复杂性<随机性； 随机使人崩溃，复杂性很有趣； 最大熵分布；例：艺术品价格（指数）； 09 随机游走 一些你以为的规律，可能只是随机事件，是暂时的；例：成功的
有一种戛然而止的感觉。厕所读物，无聊的时候可以看看，人际交往最重要的还是以真心换真心。
想看虐文的时候看到的推荐书，最后却是个happy ending，尔后想想，这对于他们来说才算是个完美结局。(毕竟前段部分的各种虐就是为了衬托最后的和局啊哈） 情节方面是很心水的，人物刻画得很细致，特别感觉心疼的是维桑离别的那三年，想着骄傲却愧疚如她，是不肯让江载初遇见狼狈的即将离去的自己。 最后以韩维桑写给江载初的告别语来结束吧： 承君深意无以报，愿君此生Thunder on the Brazos。 繁华盛世，却圈在了你我的终点，Randall P. Dark。
2008 · 美国
1957 · 意大利,西班牙
2003 · 美国
2020 · 中国
1990 · 中国
2000 · 德国
2004 · 法国
1997 · 美国
2007 · 法国
REVIEWS
看了此剧再看那些名画，感觉画面瞬间鲜活起来，连那些不起眼的小角落的东西都有了意义。以前都是看热闹。用这些画串联起来希腊神话故事更容易理解了。编剧的解读和吐槽很有趣，编剧笔下那些鼎鼎大名的画家也有了人气儿。
这么好看的书为什么评分上不去 也在追隔壁掌欢 掌欢也好看 但是9分的评分呐 Thunder on the Brazos不该低于9分啊
谁能决定在自己的人生旅途中先遇上谁，爱上谁？只有到了当下才知道，最后是他同她看四季轮回。
做一个多模型思考者，做更明智的决策。 一、总结联想 1、概述 模型是什么 分类：简化模型、类比模型、探索性模型； 特征：简化、形式化、所有模型都是错误的； 结果：均衡、周期、随机、复杂； 模型怎么用 7大用途：推理、解释、设计、沟通、行动、预测、探索； 构建方法：具身法、类比法、另类现实法； 数学方法：确定变量、变量关系、归纳性探索； 例：搬家：装箱问题，“大石头优先”原则，首次适应算法； 为什么需要多模型 多模型：思考 VS 单一正确模型：解题； 孔多塞陪审团定理：模型越多，准确率越高； 多样性预测定理：群体误差=个体平均误差-多样性； 模型过多：边际效用递减、过度拟合（例：1比1的地图）：避免使用高阶项（放大误差）； 人类建模困难 人有多样性、易受社会影响、容易出错、有目的、有适应能力； 人有主体性：采取行动、改变行为、学习能力； 2、模型 01 正态分布 正态分布：变量相加，中心极限定理；例：身高分布、学生成绩； 对数正态分布：变量相乘，不确定性高；例：大多数国家的收入分布； 六西格玛：1sigma=68%，2sigma=95%，3sigma=99.75%；例：金属零件尺寸管控； 例：加薪；等额加薪、百分比加薪（扩大差异）； 例：小学校成绩好；小样本方差大，易出现极端情况； 02 幂律分布：长尾分布 例：城市人口分布、视频下载量、剧集销量、地震分布； 产生原因：正反馈、互相依赖性；马太效应、优先连接模型、社会效应； 例：销量高的产品更受欢迎，销量越来越高； 自组织临界模型：沙堆模型、森林火灾模型； 长尾分布意味着少数几个大“赢家”（大崩溃、大地震、大火灾、严重的交通拥堵）和很多的“输家”； 机会的增加可以创造风险激励； 03 线性模型 揭示变量间的相关关系，而不是因果关系； 实力-运气方程；成功 = a x 实力 + (1-a) x 运气，a属于； 大多数有趣的现象都不是线性的，可以线性拟合、用线性分段表示非线性； 分类模型（降低方差）：线性、非线性、决策树森林； 04 非线性模型 凸函数：指数增长模型（72法则），正反馈；例：摩尔定律； 凹函数：收益递减、负反馈；例：半衰期模型； 经济增长模型：投入=折旧时达到均衡；减少攫取和腐败、促进创新； 例：人口（指数增长）/粮食（线性增长）问题； 结论：涉及非线性，直觉就不够用了； 05 价值和权力模型 最后上车者价值：最后加入者的边际贡献（可替代性）；例：企业聘用多余的员工、分散购买； 夏普利值：遍历所有加入序列，边际贡献平均值；例：打麻将三缺一； 应用：合作博弈，投票博弈； 例：扩大联盟规模，使“最后上车着价值”趋向于0；只有微弱多数的政党，每个成员“最后上车者价值”很高； 06 网络模型 参数：度、路径长度、介数、聚类系数； 六度分隔理论，三度朋友很重要（新机会、新信息）； 友谊悖论：大多数人的朋友比他们自己更受欢迎； 关键节点（中心节点）有更多的连接，结构洞； 07 广播模型、扩散模型和传染模型 扩散概率 = 接触概率 x 分享概率； 例：社会现象，消息传播； 传染病SIR模型，超级传播者（关键节点）； 基本再生数R0，细小的差异，很大的改变；例：流行歌手Justin Bieber R0=24； 直接临界点（例：山顶上的球），与指数增长的转折点不同； 08 熵：对不确定性建模 信息熵：二元问题的数量； 4种结果的熵：均衡=0<周期性<复杂性<随机性； 随机使人崩溃，复杂性很有趣； 最大熵分布；例：艺术品价格（指数）； 09 随机游走 一些你以为的规律，可能只是随机事件，是暂时的；例：成功的
有一种戛然而止的感觉。厕所读物，无聊的时候可以看看，人际交往最重要的还是以真心换真心。
想看虐文的时候看到的推荐书，最后却是个happy ending，尔后想想，这对于他们来说才算是个完美结局。(毕竟前段部分的各种虐就是为了衬托最后的和局啊哈） 情节方面是很心水的，人物刻画得很细致，特别感觉心疼的是维桑离别的那三年，想着骄傲却愧疚如她，是不肯让江载初遇见狼狈的即将离去的自己。 最后以韩维桑写给江载初的告别语来结束吧： 承君深意无以报，愿君此生Thunder on the Brazos。 繁华盛世，却圈在了你我的终点，Randall P. Dark。