Statystyczna nieuchronność zjawiska „szczytowej wydajności”: przegląd regresji do średniej.
Naciśnij Enter lub kliknij, aby zobaczyć obraz w pełnym rozmiarze W dyskursie na temat genetyki i uzdolnień często pojawiają się interesujące obserwacje empiryczne dotyczące rodowodów jednostek na krańcach spektrum poznawczego, takich postaci jak Albert Einstein, Terrence Tao czy Elon Musk. Zaobserwowane zjawisko ma kształt krzywej spadkowej: potomstwo tych „odstających” osobników rzadko dorównuje, a co dopiero przekracza poziom wyjątkowych osiągnięć swoich rodziców. W ujęciu laika jest to często błędnie interpretowane jako spadek jakości genetycznej. Jednak patrząc z perspektywy matematyki i biologii ewolucyjnej, zjawisko to jest przejawem podstawowej zasady statystycznej: regresji do średniej. Definicja problemu: Anomalia na końcu krzywej dzwonowej. Aby zrozumieć, dlaczego „wykres dziedziczności” ma tendencję spadkową, musimy najpierw odwzorować położenie tych genialnych jednostek w rozkładzie normalnym (rozkładzie Gaussa). Inteligencja, podobnie jak wzrost, jest zmienną ciągłą, która ma rozkład normalny w populacji. Osoby takie jak Einstein czy Von Neumann nie znajdują się w obszarze średniej, ale raczej w skrajnie prawym obszarze ogona wykresu, najprawdopodobniej powyżej 3 lub 4 odchyleń standardowych od średniej. W ujęciu statystycznym są to bardzo rzadkie anomalie prawdopodobieństwa. Mechanizmy statystyczne: korekta w kierunku równowagi Koncepcja regresji do średniej została po raz pierwszy zaproponowana przez polityka Sir Francisa Galtona pod koniec XIX wieku. Galton zaobserwował, że rodzice o wyjątkowo wysokim wzroście (bardzo wysocy lub bardzo niscy) zwykle mają dzieci, których wzrost jest bliższy średniej populacji. Logikę matematyczną można wyjaśnić w następujący sposób: Ekstremalne zjawiska fenotypowe (P) są wynikiem sumy dwóch składników: Jakości Genetycznej (G) i Zmiennych Stochastycznych/Szczęścia (E). pasujący moment historyczny). Kiedy te osobniki się rozmnażają, mogą przekazać niektóre składniki G (genetyka), ale nie mogą przekazać składników E (czynniki stochastyczne). W rezultacie, bez wsparcia równie skrajnego losowego szczęścia, fenotyp dziecka będzie matematycznie „grawitował” z powrotem bliżej średniej populacji. Wykres spada nie z powodu niepowodzenia dziedziczenia, ale raczej z powodu utraty tych ekstremalnych zmiennych stochastycznych. Złożoność genetyczna: cecha poligeniczna Z perspektywy biologii molekularnej argument ten wzmacnia fakt, że inteligencja jest cechą wielogenową. Nie ma jednego „inteligentnego genu”. Inteligencja jest wypadkową interakcji tysięcy loci genetycznych (SNP), które działają addytywnie lub nieaddytywnie (epistaza). Geniusz może mieć rzadką konfigurację genetyczną, w której tysiące alleli jest „idealnie dopasowanych”. Proces mejozy (podział komórek płciowych) i rekombinacja genetyczna podczas zapłodnienia zmienią tę konfigurację. Mimo że dziecko otrzymuje 50% materiału genetycznego od genialnych rodziców, specyficzna architektura lub „konstelacja” genów tworzących geniusz jest fragmentaryczna. Prawdopodobieństwo odtworzenia dokładnie tej samej konfiguracji genetycznej podczas jednej próby (urodzenia) jest nieskończenie małe. Socjologiczne implikacje i wnioski Zrozumienie tego zjawiska przez pryzmat statystyki pozwala nam uniknąć nierealistycznych oczekiwań. Często wpadamy w pułapkę błędu determinizmu genetycznego – założenia, że dziecko geniuszu deterministycznie również stanie się geniuszem. W rzeczywistości wszechświat dąży do równowagi. Jeśli każde potomstwo osobników odstających będzie w dalszym ciągu oddalać się od średniej (z pokolenia na pokolenie będzie coraz więcej geniuszu), zmienność genetyczna człowieka stanie się biologicznie niestabilna. Dlatego powrót potomstwa geniuszy do „bardziej rozsądnego” poziomu zdolności nie jest degradacją, ale statystyczną nieuchronnością, która utrzymuje stabilność populacji ludzkiej. Wykresy, które spadają z ekstremalnych wartości szczytowych, to po prostu dane, które same się normalizują.
已Opublikowany: 2026-01-17 19:53:00
źródło: medium.com
