馬航大海撈針 統計學幫大忙

全球多國在南海與印度洋，連日海空搜尋馬來西亞航空失蹤客機未果，希望漸趨渺茫。美國學界認爲，統計學此時可幫上大忙，不過搜尋行動必須建立可信的資料。

失蹤多日的馬航MH370客機航向何方，如今位在何處，成爲本世紀至今最大的謎團。不過對專研數字，分析變項與評估機率的統計學者來說，找到失蹤客機的可能性，涉及大量資訊與數字分析。

統計學者在二戰期間透過建立模式，提高盟軍成功定位德國潛艇的機率，法航447客機也透過打撈公司米特倫（Metron）使用統計學傳統的貝氏理論（BayesianTheory），縮小搜尋範圍，短期內找到飛機殘骸。

貝氏理論引用於目標搜尋的基本概念是，如果馬航客機北向機率爲5成，南向也爲5成，隨着搜尋區域傳回的資料和雷達資訊，調整航向機率，建構客機可能位置的機率分佈，提供搜尋行動參考。

統計學者畢雅裡克（Carl Bialik）在著名數字網站538（FiveThirtyEight.com）指出，貝氏理論建構3度空間海域搜尋區域的機率架構，但馬航事件還包括飛機消失原因的第4度空間，如今各方判斷人爲操作是主要因素，在吉隆坡附近海域的可能性就大爲降低。

畢雅裡克形容，這理論就像一般人選擇餐廳的方法，先觀察餐廳內是否高朋滿座，再於網上查看評等。米特倫公司2011年與法航合作，運用統計分析在6日內找到飛機殘骸，這也是海底尋寶的基本慨念。

不過米特倫資深分析師凱勒（Colleen Keller）指出，搜尋行動必須建立正確與完整的資料庫，如果紀錄品質欠佳，將難以建構搜尋模組，各方連日的努力也難有成效。1040318