评:历史发展在于不断地忘却

1. 我们在讲历史和记忆，我们必须例出完整的公式来鉴别和探讨各种可能性。
尽管X1， X2， X3..Xn之间是独立的，但f（X１），f（X２）。。f（Xn）是相关的，即 f(Xn)＝ a1*f(X1)+ a2 *f(X2)+...an-1 *f(Xn-1)＋q,  q为误差.   １＝a1+a2+...+an-1. X1， X2， X3...Xn-1可视为时间序列，而f（X１），f（X２）。。f（Xn）是历史事件，即你所谓的历史事件。但本应该相关的历史事件是f(X1), f(X2)...f（Xn）, 而你把它换成独立X1， X2， X3...Xn时间序列. 所以你谈了半天还是从独立时间概念到独立时间概念,根本没有涉及历史事件. 不是吗？颠倒混淆够厉害的! 所以你余下的推论没意义.

2. f(Xn)＝ a1*f(X1)+ a2 *f(X2)+...)+...+an-1 *f(Xn-1)＋q,  q为误差   a1+a2+...+an-1＝１
当a1=a2=...=an-2＝０， f(Xn)＝ an-1 *f(Xn-1)＋q, Markov即为模式. 假设 你认定的f(Xn)＝ an-1 *f(Xn-1)＋q 现象适用解释社会历史事件 成立.   由于Markov 是 "A (discrete time) process＂， 那么几千年人类历史长河中， Xn的区间设为 １００到２００年 也是很合理的，不是吗？也就是今后１００年的时历史事件会受到以前１００年的历史事件的影响。难道非要按你设定Xn的区间为一天，即你今天的行为只受到昨天事件影响，而与两天的事无关? 我想连猴子和狗都不会象你试想的那样行为的！ 所以你要立论"历史发展在于不断地忘却" , 没有从MARKOV那里得到实质性支持.

凭什么你论为历史事件之间， 就象每次丢硬币, 是不相关，即是独立呢？我们还是从常识看问题吧. 难道以前(X2)你家庭的教育f(X2)对你现在(Xn)思想行为f（Xn)没影响？ 常识告诉我们相关的. 按照预测学, 相关性是a2, 即 f(Xn)＝ a1*f(X1)+ a2 *f(X2)+...)+...+an-1 *f(Xn-1)＋q, １＝a1+a2+...+an-1.

3. 更严重是错误，把某一类特定的现象, 即f(Xn)＝ an-1 *f(Xn-1), 来解释人类历史现象。世界上有好多数学模式，更确切讲预测学或概率论模式，为什么一定要偏偏把这一预测学特例与社会历史现象联系起来呢？即联系之前，是否考证过这样的联系合法性，还是随意联系来服务人臆想的观点？ 答案是很明显的:作者根本不加考证过，而是随意联系。所以就从这一错误论理方式，来阐述＂忘掉过去，着眼现在，放眼未来＂ 只能算是缪论.

http://web.wenxuecity.com/BBSView.php?SubID=currentevent&MsgID=167846


Attachment

"历史的发展在于不断地忘却 来源: 锦瑟无端

人们往往习惯于从历史的角度看待问题。诚然，我们从历史中得到不少见识，但更多时候是依赖于错误的分析得到似是而非甚至荒谬无比的结论。很大一部分原因是众人无法遵从一个看似简单却又饱含深意的道理：历史的发展与其历史无关。

在所谓“愤青”开始指责我之前，让我们简单的回顾一下概率理论中的markov链。 假设一组时间序列｛X1， X2， X3 。。。Xn｝， 如果其中某个时刻的状态Xi只跟它前一个时刻Xi-1的状态有关， 那么这组时间序列就是一个markov链条。 还句话说， Xn 将处于什么状态跟X1， X2， X3等等完全没有关系， 只是由Xn-1决定。 就像丢硬币猜正反一样，不会因为前100次都出现正面而改变第101次出现正面或反面的概率， 出现正面或者反面的概率始终是1/2。

人类社会的发展也是如此。 今天社会的状况已经决定了明天将是怎样的一个世界。 历史的发展本身就是一个不断忘却自身的过程。 现在，让我们尝试一下用这个方法来看待问题。 第一， 中国会“崛起”吗? 中国是否能变得强大跟中国古代是否强大没有一点关系。一些人拿中国贞观汉武时代的强盛来说明中国今后一定强大是没有任何道理的。 第二， 台湾会独立吗？台湾今后是否将正式宣布独立也完全取决于当前和不断发展中的国际现状， 而与其在古代属不属于中国也没有丝毫干戈。 第三， 中国会跟日本打仗吗？中国是否跟日本一战与当年日本侵华没有关系， 只是当今格局下各种利益集团相互博弈的结果。 第四， 共产党在大陆会垮台吗？尽管各个国家的共产党纷纷垮台， 但从目前的局势看， 在可以遇见的范围内，共产党的江山将继续稳固。

这位“爱国者”问了， 照你这样说， 每一时刻的状态只跟前一时刻的状态有关， 那么我们岂不是没法对将来的发展进行预测了？ 此言差矣，我们研究历史的目的就是找个各个状态间的转换概率， 得到转换矩阵， 然后对未来进行有效的预测。 当然， 越是遥远的预测越不准确。 "