未加星标

如何更有效率地找到人生伴侣?

字体大小 | |
[大数据技术 所属分类 大数据技术 | 发布者 店小二05 | 时间 | 作者 红领巾 ] 0人收藏点击收藏

如何更有效率地找到人生伴侣?

在国庆节期间,学姐安排了整整七天且细分到上下午的相亲日程。相亲地点遍布长江三角洲区域各大城市,而相亲项目包揽了吃饭、喝茶、喝咖啡、电影、唱歌、旅行等多种形式。

当学姐红光满面地回到上海之后,我诚挚地向她表达了钦佩之情。

学姐很谦虚:哎呀,这不算什么啦,寻找自己的人生伴侣嘛,总要付出辛苦的努力,才能开花结果啊!

我略有疑惑:但是,把整个假期都消耗其中,会不会太没有效率了呢?

学姐反问:那么,小团你说,怎么样才能更有效率呢?

这倒是问到我了,如何更有效率地找到人生伴侣呢?

让我们来做一个数学实验来研究一下这个问题吧。

首先,我们假设需要寻找伴侣的适婚群体有以下两个特征:

群体中男女数量一致; 群体中每个人都有一个分值(比如高分男、高分女、低分男等),而群体的分值符合正态分布(平均数为60,标准差为10)。如下图所示:
如何更有效率地找到人生伴侣?

那么,这些适婚群体要如何在其中找到彼此的伴侣呢?

因此,我们设计了如下的配对规则:

对所有人进行异性间的随机配对。由于现实社会中许多配对都是男性的综合条件略强于女性,我们在模型中设定,当男性的分值不低于女性,且配对双方的分值差距在[0,10]分范围内,视为配对成功,否则配对失败; 配对失败的人将进入下一轮配对,规则同上;配对成功的人不进入下一轮配对;此步骤循环进行。 我们按照以上规则,将模型多次迭代,得到结果如下图所示:
如何更有效率地找到人生伴侣?

可以看到:

随着配对次数的增加,适婚群体的成功配对率在不断提高,但提高的速度却在不断减小; 一次配对的成功率约为30%,两次配对的成功率约为46%,三次配对的成功率约为58%……异性恋的有效配对次数为9次,配对9次时,总体的成功率达到80%; 9次之后,尽管配对次数继续增加,成功率的增加则微乎其微。

啊,难道说,9次之后还没成功,便要注孤生吗?

不着急下结论,我们不妨先来看看不同分值人群的成功配对率吧:


如何更有效率地找到人生伴侣?

可以看到,不同分值人群的成功配对率差异极大:

50-69分(也就是普通大众群体)的成功配对率是最高的,经过9次配对之后,大概有85%。 高分男性的成功配对率较高,但成功率最高的是60-89分的男性(其中70-79分的成功率则接近99%),而低分男的成功率则极低,只有10%左右。 女性的成功配对率与男性截然相反:由于高分男总是倾向于选择得分略低于自己的女性,因此,成功率最高的是30-59分的女性,而在高于60分的高分女区段中,女性得分越高,配对成功率越低。

当然,无论分高分低,性别如何,作为一个适婚群体,其实都面临着同一个问题:

如何在减少配对次数的情况下提高成功配对率呢?换句话说,如何更有效率地找到人生伴侣呢?

一般而言,我们很容易地会想到第一个策略:

策略1:精准相亲

大家可以看到,之前用于计算的模型中用的是随机匹配。而在实际生活中,我们往往都是通过亲朋好友介绍、或者婚恋平台等方式,进行相对精准的选择。

那么,与“随机匹配”相比,“精准相亲”真的能提高配对率吗?

很简单,让我们修改一下模型,使得每次匹配都在分值相近的区间内进行(而不是随机进行),也就是相对精准地配对。结果如何呢?

请看下图:
如何更有效率地找到人生伴侣?

从图中可以清楚看到:

毫无疑问,相亲的初次配对成功率远比随机配对要高。的确,在相亲中一见钟情的可能性还是比漫无目的的社交大得多。 但是,我们也可以发现:虽然前几次相亲的成功率较高,但次数也仅限于5次而已。 在精准相亲超过5次以后,不仅配对成功率提高缓慢,甚至还低于随机配对的成功率。

原因嘛,很简单:假如你相了五次亲都没挑中(或被挑中),一般而言,再相下去也只是徒劳吧。哈哈哈。

的确,当精准相亲都无法解决你的婚恋问题时,不由自主地,你往往会开始怀疑人生。

你会开始质疑(或者被爹妈以及七大姑八大姨们质疑):难道是我的择偶标准过于苛刻了吗?

是的,在这个深刻怀疑人生的时刻,你往往会想到下面这个策略。

策略2:放宽择偶标准

在最初的模型中,我们要求男性得分比女性高出0-10分才算是成功匹配,这导致了高分段女性和低分段男性的成功配对率非常低。显然,如果女性适当放宽择偶标准,将很有可能改变最终的配对结果。

那么,来放宽择偶标准试试吧!

我们修改一下配对规则:男性的分值减去女性的分值的结果处于[-5,10]的区间内。也就是说,既保持“男高女低”的大格局,也允许有“女强男弱”的类型出现 。结果如何呢? 请看下图:
如何更有效率地找到人生伴侣?

可以看到,总体的成功配对率达到了91%。比之前标准高出了11个百分点。放宽择偶标准的效果显著嘛!

即使我们细分到不同类型的人群中,也可以看到:对于得分在40-79分的大多数人而言,成功率配对率达到93%(提高了12%),而40分以下和80分以上人群的成功率也达到了65%(提高了16%)!

没错,无论你处于哪个分数段,放宽择偶标准都是解决自己婚恋问题的有效方法。

但是,在现实世界中,总有一些保持着『只为玉碎』的坚强品质的人,宁可单身也不放宽自己的择偶标准,坚决排除不适合自己分数的潜在对象。

那么,对于这样一个群体,我们还有别的方法吗?

当然有的,那就是:

策略3:接受开放关系

所谓开放关系指的是:每个人都可以拥有多个伴侣。

体现在模型中的话那就是:上一轮成功配对的个体,仍然可以进入下一轮配对。换句话说,已经配对成功的人,依然可以进入到下一轮配对当中。

你看,是不是忽然多出了很多可选择的对象呢?

没错,画出图来的话是这样:


如何更有效率地找到人生伴侣?

可以清楚地看到:

随着配对次数的增加,总体的配对率将会成倍增长(这是一个等差数列); 所以,只要你保持接受开放关系,同时坚持不懈,总能找到合适的对象的;不仅仅保证能找到,而且还能保证你找到超过一个以上的对象。是的,上图中很清楚地说明了:只要配对次数超过3次,配对率已经大于100%了。

这个时候,人们不禁会产生担心:

既然允许接受开放关系,那么高分的人群岂不是要霸占更多的婚恋资源,这让其他的低分群众怎么混呢?

不必担心,我们先来计算一下吧:将不同得分的群体进行多轮配对后,可以得到下图:
如何更有效率地找到人生伴侣?

在开放关系的前提下:

1. 分值在40-79的人群平均每人将拥有2.6个配偶;

2. 而40分以下和80分以上人群平均每人只拥有0.48个配偶。

是的,越是普通大众,越容易在开放关系中受益。这个结论也很容易解释:

当大众都接受开放关系时,那么占据人群大多数的群体总是能有更大概率遇到自己可接受的对象的,而数量本来就不多的高分人群和低分人群在自己所属的群体中寻找可接受的对象,就显得更加举步维艰了。

当然,并不是所有人都能够如此激进地接受开放关系的,那么,既不肯放宽自己的择偶标准,又坚持保持传统婚恋关系的人,还有什么方法可以提高婚恋成功率呢?

我们只好祭出最后的必杀技了:

策略4:改变性取向

在讨论这个深刻的问题前,大家不妨先自己思考一下,从概率的角度,同性恋和异性恋谁更容易找到对象呢?

我们用计算模型来尝试一下吧:假设群体的性别和分值分布情况不变,将成功配对条件修改为同性、配对双方的分值差距在[-10,10]的范围内。

结果如下图所示:


如何更有效率地找到人生伴侣?
没错,尽管同性恋的有效配对次数仅有7次,但此时的总体成功配对率却达到了97%。而从不同性别和分值人群的成功配对率来看,性别间也不存在显著的差异。请看下图:
如何更有效率地找到人生伴侣?

看来,在找对象这件事情上,同性恋往往会比异性恋更为快速、高效、均衡。

当然啦,性取向不是只有同性和异性,还可以双性嘛。

我们再次对模型进行了修改,结果表明,双性恋的总体成功配对率为96%。而且有趣的是:在成功配对的双性恋中,同性结合的比例为64%,异性结合的比例为仅为32%。


如何更有效率地找到人生伴侣?

原因嘛,很简单:既然同性更容易找到另外一半,那么在双性恋中,当然同性配对的占比会更高啦。

至此,我们可以绘制出不同性取向群体的成功配对率曲线了,请看下面一系列图:


如何更有效率地找到人生伴侣?

如何更有效率地找到人生伴侣?

从这两张图中,我们可以为大家总结一下不同性取向的婚恋三定律:

定律一:

无论哪种取向,普通大众的成功配对率都显著高于高分和低分群体;

定律二:

在大多数情况下,同性恋的成功配对率都高于异性恋和双性恋;

定律三:

但是,对于高分男性和低分女性,无论采取哪种取向,配对成功率都不会发生大的改变。

欢迎大家对坐入号,提供个人经验与数据分析对应反馈,谢谢。

注:

1.本文作者为“团支书”,由微信公众号“城市数据团”原创且首发。

2.现实世界纷繁复杂,远比模型中的设定更加难以捉摸,如果你真的遍历了本文的所有策略都还无法找到伴侣,请把简历(含全身、半身、大头照片)发给我,以便进行个案研究并客观地提供个性推荐(仅限男性)。


如何更有效率地找到人生伴侣?

AD:【邀请】大数据的老朋友,加入最活跃、最温暖的大数据QQ群!!

注:数据分析网遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏,请联系主编邮箱:[email protected]

tags: 配对,成功率,分值,成功,高分,群体,相亲,低分,择偶,婚恋,伴侣,女性,男性,人群
分页:12
转载请注明
本文标题:如何更有效率地找到人生伴侣?
本站链接:http://www.codesec.net/view/481809.html
分享请点击:


1.凡CodeSecTeam转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责;
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性,不作出任何保证或承若;
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。
登录后可拥有收藏文章、关注作者等权限...
技术大类 技术大类 | 大数据技术 | 评论(0) | 阅读(141)