分享

数学告诉你,什么是真正的“美人”

 汉青的马甲 2016-01-11

大多数认为的美女就一定更受欢迎吗?本文让我们想起男性观察女性时的长尾理论:无论这个女孩儿多个性,一定会有喜欢的。最怕的就是长得太大众…..

OkCupid网站把女性作为样本,收集了大量数据,用数学的角度告诉你——什么才是真正的“美人”!

1.从数据开始吧

从之前的文件分析来看,受欢迎女性收到的交友信息大约是相貌平平女性的4倍,是丑女收到的25倍。不过以5000个女性用户为例,按吸引力排序,在一个月中能收到多少信息。

13947485582

而这5000个人的划分基本排除了登录活跃度、信息完成程度等外来因素,唯一不同的就是女孩们的长相区别。我们发现一个奇怪的现象,长相貌似不是决定收到信息多少的主因,尤其是占了图中一半数量的“长相高于平均水平”的人收到的信息量有多有少,这TM到底怎么回事?

然后,我们把两个人单独拿出来比较:

13947486142

13947486503

根据他们的用户反馈来看,这两个都是美人,且几乎等同!但是上图的美人收到信息比下图收到的信息多。

2.美到底是如何来划分

为了解释这个问题,我们再次用数学方法来区分吸引力。

按照我们常用的10分制来给一个人评分,假如一个人的评分为7分,很有可能是每个人都给了她7分的评价。

13947450093

但是也有另一种非常极端的可能,有一大堆人给了她满分10分,但是有一部分仍给了她0分。所以她综合得分是7分。

13947450350

而这两种情况都是7分,但显然这两种情况会造成7分美人完全不同的处境。所以,这个观点的分布非常重要。

3.用名人的照片来做案例

女演员克里斯汀.贝尔的长相评分大致是这样的:

13947491588

贝尔小姐被大众认为是美女,但从她的分数来看显然未得到“美到爆炸”的最高评价,大部分都认为她“很有吸引力”,但由于没有负面票数,所以整体也就拉高了。

相比较而言,梅根·福克斯可能得到这样的评分:

13947491874

梅根·福克斯也被归为和贝尔小姐相同的美人地位,但显然她的得票数就比较极端。

4.回归平常人

回归到刚刚那两个女性用户,OkCupid网站按从1到5星级评价长相,两个美人分别得到了如下的得分:

13947456128

(3.4分  VS   3.3分)

两个美人的得分非常接近,但票数分布完全不同。简言之:

大多人认为左边女士“稍微”更有吸引力

右边女士得到的最低评价比左边多142%

不过,右边收到的交友信息是左边的3倍。

为了公平起见,我们用了两组看上去相似的照片做对比,我们依旧发现:收到消息少的女性通常被认为有一贯的吸引力,而收到消息多的女性往往在男人看来吸引力有分歧。

13947455419

13947457495

男人对她的长相越有分歧,她收到的信息数越多!

结论一:对女性评分数和她收到的交友信息数量做比较,发现男人对女性长相评价的分歧越多,就有越多人喜欢她。

我们根据女性在男性眼中的分歧数和收到的信息做了一个曲线图:

13947462388

一般来说,男性评价不错的美人,收到的信息都相对偏少。

我们再来说说女人投票得分这件事儿:根据女性得到的投票数,用一个公式来预测女性能得到多少关注量,关注量的计算是基于曲线上的投票数。用这个公式,我们可以把“男人认为女性长得怎么样”理解成“她能得到多少关注”。(以43000名女性的数据作为样本用回归法分析。 为保证前提一致,所有这些女人是异性恋, 年龄介于20和27岁之间,而且住在同一个城市。)

13947494128

msgs是观察期内女性收到消息数量。常数k反映了她在整个网站的活动水平。

13947494908

那些前面带正号的投票数(m1、m5):表示男人会发信息给女性,前面带负号的(m2、m4):说明要减去信息数量。

最后,我们得到一个非常疯狂的结论:

认为你火辣的男人越多,你收到的信息就越多。

觉得你可爱的男人,实际上应从你收到的信息中减掉。

如果有人认为你不火辣,那么他们最好接下来认为:你丑(但是同样会给你发信息)。

13948109660

5.整个结构框架

当有些人认为你丑时,意味着更少人竞争,其他人更有可能发消息给你;而当有些男人觉得你很可爱时,其他男人对你倒是缺乏兴趣。

这个图可以解释你的疑问:

13948121044

6. 最终意味着什么?

那些差异化的东西,你需要尽量展现出来,比如纹身、耳洞或者更特殊的东西,虽然他可能造成一部分的人不喜欢你,但是它也会造成喜欢某个东西(比如纹身)而特别喜欢你!问题就在于,这些特别喜欢你的人会让你更受欢迎。反倒是那些没有特色的东西,大家反响平平。

13947466049

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多