⭐ 我的金句收藏

EP.59 · 自己首诗古希

贝叶斯不是数学课

用概率思维拆解恐慌式决策，把世界看作一张不断更新的概率表
维亚 × 嘉宾1 · 自己首诗古希

贝叶斯不是数学课，它是一种把恐慌式决策变成更新式决策的操作系统
向下探索
节目嘉宾

维亚 × 嘉宾1

维亚

播客主理人，关注认知升级与生活实践

嘉宾1

深度阅读者，常以真实案例带入思辨

贝叶斯思维是用新信息持续更新旧判断的习惯，它把世界看作概率流，把人看作预测机器。
内容概览
💥
破除直觉幻觉
用乳腺癌筛查、检察官谬误、辛普森案三大案例，粉碎‘阳性=确诊’‘匹配=有罪’等直觉陷阱
🧠
理解大脑机制
揭示‘贝叶斯大脑’如何运作，解释为何人越老越固执，以及蓝黑裙子争议的神经科学根源
🔧
掌握实操工具
提炼三个可立即应用的决策习惯，把概率思维从理论变成日常肌肉记忆
贝叶斯思维
核心理念
世界是概率流，人是预测机器，决策是持续更新的过程
先验信念
一切判断的起点，由经验、文化、教育塑造
新证据
不是孤立信号，其价值取决于出现的背景和可靠性
后验判断
先验与证据的乘积，是当前最优解，但永远开放更新
经典谬误
人类最常跌入的认知陷阱
检察官谬误
混淆P(证据|假设)与P(假设|证据)
辩护方谬误
用未来概率否定已发生事实的归因
生活应用
把抽象公式变成日常习惯
决策三问
1. 基准率？2. 我的风险因子？3. 证据可靠性？
贝叶斯是一套把恐慌式决策变成更新式决策的操作系统

开场：这不是数学课

开头几句话就定调：贝叶斯不是考试要考的公式，而是每个人每天都在用、但多数人用错的思维习惯。它把世界还原成概率流，把人还原成持续校准的预测机器。
贝叶斯不是数学课，它是一种把恐慌式决策变成更新式决策的操作系统
贝叶斯三原色
构成贝叶斯思维的三个不可分割要素
🔮
先验信念（Prior）
你出发前已有的知识、经验、假设，比如‘上海极少地震’‘我从不患罕见病’
📡
新证据（Evidence）
刚收到的信息，比如‘体检指标异常’‘天气预报说70%降水’‘DNA匹配’
🔄
后验判断（Posterior）
用新证据更新先验后得出的新判断，比如‘我得这个病的概率从百万分之一升到16%’
1核心定位
贝叶斯不是一门需要演算的数学课，而是一套可立即调用的思维操作系统。 它不教你怎么解方程，而是帮你把每一次新信息都转化为对现实判断的微调。
它把‘我吓坏了所以必须立刻行动’的恐慌式反应，替换成‘我收到了新数据，所以我要更新我的判断’。 比如体检阳性、天气预报70%降水、DNA匹配——这些都不该触发应激反应，而应触发一次概率重算。
2底层世界观
世界本身没有确定答案，所有结论都是基于当前信息的概率估计，且永远可被下一条信息修正。 所谓‘真相’不是终点，而是某次更新后的暂态；所谓‘固执’，是停止更新的副作用。
我们不是被动接收感官输入，而是大脑主动用先验信念去预测世界，再用感官数据去校准预测。 这解释了为什么同一张裙子照片，有人看到蓝黑、有人看到白金——差异不在眼睛，而在各自大脑预设的光照模型。
99%准确率的检测，为何阳性者真患病概率只有9%？

案例一：乳腺癌筛查的惊天反转

用乳腺癌筛查这个强反直觉案例，首次具象化展示‘阳性结果≠确诊’这一核心洞见。它让听众瞬间理解：所有诊断、预警、信号，都必须放在具体背景中重算，脱离背景谈准确率毫无意义。
你查出了阳性，即使你大概率没病
你以为的逻辑
VS
贝叶斯的逻辑
检测准确率99% → 我得病概率99%
→
必须结合疾病基础发生率重新计算
阳性=危险，必须立刻干预
→
阳性只是信号，需评估其在你身上的真实意义
越早筛越安心
→
低风险人群盲目筛查，反而增加焦虑和误操作风险
1反直觉原理
第一步：疾病极其罕见（如1万人中仅10人患病）这意味着绝大多数人本来就没病，哪怕检测出阳性，也更可能是假阳性。
→
第二步：检测有1%误报率（即对9990个健康人，会误报约99.9人阳性）健康人群基数大，误报总数远超真病人数。
→
第三步：真病人中99%被检出（9.9人），但假阳性达99.9人最终109.8个阳性者中，真病人仅占9.9人，占比约9%。
2现实启示
前列腺癌筛查不推荐年轻人做，正因在低龄人群中患病率极低，筛查阳性几乎必为假阳性。 医生建议60岁以上再筛，是因为此时患病率上升，阳性结果的参考价值才真正变高。
不要只看检测准确率，必须同步查清该病在你所在人群中的实际发生率。 这是你做任何医疗决策前的第一步——不是问‘这个检查准不准’，而是问‘像我这样的人，得这病的概率本来是多少？’
嘉宾1

我身边有很年轻但健康的孕妇，非要去做胎儿畸形筛查。我建议她们：如果本身是低风险人群，这个筛查的阳性结果反而会让你整个孕期心情崩溃，甚至可能误判导致终止健康妊娠。

99%的准确率不等于你有99%的几率得病
DNA匹配度99.9999%，为何嫌疑人仍有95%可能无辜？

案例二：检察官谬误

将贝叶斯思维从医疗场景推进到司法领域，揭示‘科学证据’如何被误读。它击穿了大众对技术的盲目信任，指出所有证据的价值都取决于它出现的背景——这才是专业判断的分水岭。
DNA匹配上了他不一定有罪
检察官谬误的三层迷雾
为什么专业人士也会掉进这个坑
表层：技术崇拜
迷信DNA技术的绝对权威，认为匹配即定罪
中层：概念混淆
将P(证据|假设)与P(假设|证据)混为一谈，忽略贝叶斯逆推
深层：先验缺失
完全不考虑嫌疑人如何被锁定、人口基数多大、其他证据链是否闭合
1谬误根源
检察官把‘无辜者DNA匹配的概率’（1/300万）错当成‘DNA匹配者无辜的概率’。 前者是P(匹配|无辜)，后者是P(无辜|匹配)，贝叶斯定理明确指出二者完全不同。
他们忽略了关键先验：嫌疑人是从多大范围内被选中的？ 若从全国6800万人中随机抽取，则匹配者约22人，真凶只是其中之一，无辜概率高达95%。
2司法启示
真正的审判焦点不是‘DNA是否匹配’，而是‘在已知匹配的前提下，他是真凶的概率有多大？’ 这要求法庭必须引入人口基数、嫌疑人筛选方式、其他旁证等先验信息。
这与罕见病筛查本质相同：都是小概率事件遇上大基数，导致假阳性/假匹配数量惊人。 一个思维模型，解释医疗误判与司法冤案两种看似无关的现实困境。
维亚

我过去30年看到最暗剧的那个直觉，就是‘DNA匹配=铁证’。读完这本书我才明白：匹配只是条件，有罪才是结论，两者不能划等号。

检察官谬误就是把测试本身的误差率，直接当成审判依据
辛普森案中的‘家暴者未必杀人’为何是致命错误？

案例三：辩护方谬误

与上一案例形成镜像：检察官用‘匹配率’代替‘有罪率’，辩护方则用‘未来犯罪率’代替‘已发生命案的归因率’。两者都犯了同一错误——脱离当下已知事实谈概率。这节彻底点明：贝叶斯不是算术，而是精准提问的能力。
曾对妻子施暴的男性，在一年内谋杀妻子的概率低于1/2500？没错。但在妻子已死的前提下，凶手是他老公的概率高达89%
贝叶斯思维闭环
观察事实
妻子已死亡（不可逆的已知条件）
→↓
提出问题
谁最可能是凶手？（问题必须锚定在已知事实上）
→↓
收集先验
同类案件中，伴侣作案的历史比例
→↓
纳入新证
被告有家暴史、现场DNA匹配等
→↓
更新判断
综合得出凶手为被告的概率，而非孤立看待任一证据
↺ 循环
1
辩护方用‘家暴者一年内谋杀妻子概率仅1/2500’误导陪审团
2
正确问题应是‘在妻子已死亡前提下，凶手是丈夫的概率’
3
数据显示：遭家暴女性被谋杀者中，89%死于伴侣之手
4
贝叶斯要求问题必须与已知事实严格匹配
维亚

整个庭审都被辩方唬过去了——他们用一个关于未来的概率（未来一年会不会杀），去否定一个已发生的事实（她已经死了）。

他们被台上律师提出的‘多大几率会谋杀’牵着走，却忘了事实是‘她已经死了’
三扇门游戏里，换门为何让胜率从1/3飙升至2/3？

案例四：蒙提霍尔悖论

用最经典的概率悖论，把贝叶斯的‘主动更新’精神具象化。它不再讲医疗或法律，而是直指人性弱点：我们厌恶改变主意。而贝叶斯说——恰恰最该改变主意的时候，就是新信息出现时。
你换门之后赢的概率就从1/3变成了2/3，而不是我们想的一半一半
1概率迁移图
初始：A门1/3，B+C门共2/3你选A，车在B或C的概率加起来是2/3。
→
主持人打开C（空门），但不会打开有车的门他必须在B、C中选一扇空门打开，若车在B，他只能开C；若车在C，他只能开B。
→
C被打开后，B门继承了B+C门全部2/3概率因为主持人知情，他的开门动作不是随机干扰，而是主动将2/3概率集中到唯一剩下的未选门。
维亚

选手当场拒绝1000美金，坚持换门——他凭直觉抓住了那个关键信息：主持人知道哪扇门后有车，他的开门行为不是随机的，而是压缩概率的信号。

主持人不是随机开门，他是知情的、有目的的，这个动作本身就是新证据
从神经科学看先验信念如何塑造我们的感知

贝叶斯大脑：为什么人越老越固执？

把抽象公式落地到生理层面：原来我们每天的感知、判断、固执，都是大脑运行贝叶斯算法的副产品。它解释了为何‘说服别人’难于登天——你不是在改变认知，而是在重装对方的世界操作系统。
意识是受控的幻觉
贝叶斯大脑的演化轨迹
高可塑性
婴儿期
先验极弱，感官数据主导，模型快速迭代
高稳定性
成年期
先验强大，感官数据需极强才能触发更新
高惯性
老年期
先验固化，更新阈值极高，易陷入确认偏误
1
大脑不是被动接收器，而是自上而下预测+自下而上校准的双向系统
2
‘固执’源于先验信念过强，感官证据难以撼动已有模型
3
婴儿大脑先验弱、数据强，故学习快；成人先验强、数据弱，故易僵化
4
蓝黑/白金裙子之争，本质是不同先验光照模型的碰撞
维亚

我今天上午的体验一波三折：生理期、跑步成绩好但心情麻木、吃布洛芬、边读贝叶斯边情绪起伏——这整段体验，就是我的大脑在用新信息疯狂刷新旧模型的过程。

我们经历的本质上都是预测
从天气预报到体检报告，把概率思维嵌入日常

生活应用：三个立刻能用的贝叶斯习惯

把全集思想收束为可执行动作：不是让你记住公式，而是养成三个条件反射。它把‘贝叶斯’从书名变成动词——当你下次看到体检异常、听到专家断言、遭遇观点冲突时，这三个问题会自动浮现在脑海。
你听到‘阳性’就等于赶紧筛查，听到‘匹配’就等于立刻定罪，这种直线跳跃的思维方式其实有毒且有害
质疑证据 · 忽略先验
固执型决策
质疑证据 · 重视先验
贝叶斯式决策
轻信证据 · 忽略先验
恐慌式决策
轻信证据 · 重视先验
盲从型决策
← 忽略先验重视先验 →
1决策三问
第一问：这件事在类似人群中的自然发生率是多少？（比如同龄人得某病的概率） 这是你的先验概率，是所有计算的起点。
第二问：我有哪些独特风险因子？（家族史、生活习惯、既往病史） 这些会动态调整你的先验，把你从‘普通人群’切换到‘我的专属模型’。
第三问：当前证据的可靠性如何？（检测精度、数据来源、是否被污染） 这是你的似然函数，决定新证据能多大程度拉动你的先验。
嘉宾1

现在我看天气预报说降水概率70%，我不再想‘70%会下雨’，而是立刻查：上海这个季节平均降水率多少？之前10次报70%时下了几次？卫星云图显示什么？然后用这三个数据重新估算。

贝叶斯不是让你更谨慎，而是让你更清楚该在何处谨慎
深度解析

核心观点

贝叶斯思维的核心不是计算，而是精准提问
逻辑推演
所有案例都显示，错误始于问题设定偏差：检察官问‘匹配概率多少’而非‘有罪概率多少’，辩护方问‘未来谋杀率’而非‘已死亡归因率’
‘阳性结果’的临床意义完全取决于疾病的基础发生率
数据
当患病率从0.1%升至1%，同样99%准确率检测的阳性预测值（PPV）从9%跃升至50%
人类固执的本质是大脑先验模型过于强大
类比
婴儿大脑先验弱、数据强，故学习快；成人先验强、数据弱，故易僵化，与蓝黑裙子争议原理一致
主持人知情并开门的行为，不是随机干扰而是关键证据
逻辑推演
蒙提霍尔悖论中，主持人必须开空门，这一约束将2/3概率全部转移至剩下一扇门
忽视基本概率是当代最常见的伪科学形式
引用
嘉宾直接引用书中观点，并强调这是贯穿全集的方法论基石
所有诊断、预警、信号的价值都取决于它出现的具体背景
个人经历
主持人分享自己读完书后，对体检报告、天气预报、算命话术的反应方式彻底改变
司法冤案与医疗误判共享同一认知漏洞：脱离先验谈证据
类比
检察官谬误（DNA匹配）与乳腺癌误诊（阳性结果）都因忽略基础发生率而导致灾难性误判
说服他人最有效的方式是瓦解其先验信念的根基，而非驳斥其结论
个人经历
主持人提到‘蓝黑/白金之争’中，试图说服对方看到另一种颜色，不如先帮对方理解自己为何看到那种颜色
知识图谱

关键概念

先验信念（Prior）
在收到新证据前，你已有的知识、经验、假设或默认判断
它是贝叶斯计算的起点，比如‘上海极少地震’‘我从不患罕见病’‘这应该是暖光下的物体’
  • 孕妇认为自己低风险，故筛查阳性更可能是假阳性
  • 看到裙子照片，大脑自动预设光照类型
相关概念： posterior、 evidence
后验判断（Posterior）
用新证据更新先验信念后得出的新判断
它不是最终答案，而是当前信息下的最佳估计，随时准备被下一条信息更新
  • 体检阳性后，结合年龄、家族史重新计算的真实患病概率
  • 天气预报70%降水，结合季节平均降水率修正后的实际下雨概率
相关概念： prior、 evidence
阳性预测值（PPV）
检测结果为阳性的人中，真正患病的比例
它不等于检测准确率，而是由检测灵敏度、特异度及疾病基础发生率共同决定
  • 罕见病筛查中，99%准确率检测的PPV仅9%
  • 前列腺癌筛查在老年人中PPV显著高于年轻人
相关概念： prior、 evidence
检察官谬误
将P(证据|假设)错误等同于P(假设|证据)的逻辑错误
典型表现是把‘无辜者DNA匹配的概率’当成‘DNA匹配者无辜的概率’
  • DNA匹配即定罪
  • 检测准确率99%即认为患病率99%
相关概念： defense_fallacy、 bayesian_thinking
辩护方谬误
用未来可能性的概率，否定已发生事实的归因概率
典型表现是用‘家暴者未来一年谋杀概率’替代‘妻子已死前提下凶手是丈夫的概率’
  • 辛普森案中，用1/2500的未来犯罪率否定89%的已死亡归因率
相关概念： prosecutor_fallacy、 bayesian_thinking
贝叶斯大脑
大脑通过自上而下预测与自下而上校准的双向循环来构建现实模型
它解释了感知、学习、固执等现象，蓝黑裙子争议正是不同先验光照模型的碰撞
  • 婴儿快速学习因先验弱
  • 成人固执因先验强
  • 同一张图引发两极分化
相关概念： prior、 posterior
拓展视野

延伸探索

先验信念的社会建构
每个人的先验并非凭空产生，而是由成长环境、教育体系、媒体叙事长期塑造
一个生活在常年干旱地区的人，对‘降水概率70%’的先验必然不同于沿海居民；一个从小被灌输‘西医万能’观念的人，对体检异常的反应也不同于信奉自然疗法者。贝叶斯提醒我们：要理解一个人的判断，必须先理解他信念的土壤。
社会心理学中的‘文化脚本’理论、传播学中的‘框架效应’研究
算法时代的贝叶斯素养
AI推荐、信用评分、新闻推送都在用贝叶斯模型，但用户对此毫无感知
短视频平台根据你前3秒停留时间（新证据）更新对你兴趣的先验判断；银行用你的消费记录（证据）动态调整你的信用分（后验）。缺乏贝叶斯素养，意味着你无法理解算法如何塑造你的现实。
《算法霸权》《驯化算法》等探讨技术透明度的著作
贝叶斯与谦逊美德
贝叶斯思维天然导向认知谦逊：所有结论都是暂态，所有判断都可更新
这与‘真理在握’的独断姿态截然相反。历史上许多科学突破，正源于研究者敢于用新证据推翻自己坚守多年的先验模型——爱因斯坦修正牛顿，正是贝叶斯精神的最高体现。
托马斯·库恩《科学革命的结构》中关于范式转换的论述
逐段导览

详细时间轴

00:00 – 08:00
📢 贝叶斯即操作系统
本段为赞助广告内容。
贝叶斯思维 概率认知 决策模型
08:00 – 20:00
📢 罕见病筛查悖论
本段为赞助广告内容。
贝叶斯定理 假阳性 先验概率
20:00 – 35:00
检察官谬误
以DNA匹配为例说明检察官谬误：将p(匹配|无辜)错误等同于p(无辜|匹配)；指出在6800万人中随机抓人时，300万分之一匹配率仍意味着约20个匹配者，真凶仅占其中一人；强调需结合人口基数与先验信息做判断。
检察官谬误 DNA证据 条件概率
35:00 – 45:00
辛普森案与辩护方谬误
分析辛普森案中辩方提出的‘家暴男性一年内谋杀妻子概率低于1/2500’属辩护方谬误；正确应计算p(凶手是丈夫|妻子已死)，实际高达89%；说明忽略后验条件、只用先验概率会导致严重误判。
辩护方谬误 辛普森案 后验概率
45:00 – 60:00
三门问题与信念更新
用三门问题演示贝叶斯思维：初始选门概率为1/3，主持人打开一扇空门后，换门胜率升至2/3；说明新信息（主持人知情且必开空门）会转移概率质量；强调不要固守初始选择，要根据新证据动态调整。
三门问题 概率转移 信念更新
60:00 – 75:00
贝叶斯大脑与固执成因
提出贝叶斯大脑模型：大脑通过自上而下的预测与自下而上的感官输入对比运作；年龄增长使先验信念更强，推翻它需更强证据；用蓝黑/白金裙子争议说明先验经验如何主导感知，导致认知分歧。
贝叶斯大脑 认知偏差 先验强度
75:00 – 90:00
生活中的贝叶斯应用
将贝叶斯思维延伸至天气预报解读（需结合季节降水率、预报历史准确率、云图等多源信息修正70%概率）、体检报告判断（查年龄段患病率、家族史、高危因素）；强调避免孤立看待单一指标。
天气预报 体检解读 多源信息整合
知识体系

知识卡片

在已知谋杀事实下判断这个人是不是凶手的
辛普森案中，辩方使用‘家暴男性谋杀率1/2500’错误，正确应计算‘妻子已死后凶手是丈夫的概率’，实际达89%。
这体现了贝叶斯公式的实践关键：问题定义决定概率结构。法律实践中常混淆p(证据|假设)与p(假设|证据)，导致冤假错案。
法律推理 → 关联 1 张
曾对妻子施暴的男性在一年内谋杀妻子的概率低于1/2500
辩方引用该统计数据质疑辛普森作案可能性，但该数据是p(谋杀|家暴)，而案件需要的是p(家暴者|谋杀)。
此类谬误在公共讨论中广泛存在，如用‘吸烟者患癌率’代替‘肺癌患者中吸烟比例’。区分条件概率方向是识别统计误导的第一步。
条件概率 → 关联 1 张
你换了一个门之后你赢的概率就从1/3变到了2/3
三门问题中，初始选择正确概率为1/3，主持人主动打开空门后，未选两门的2/3概率全部转移到剩余未开门上。
该结论挑战直觉，证明概率分布会随知情者行为动态重分配。类似逻辑适用于投资组合再平衡、疾病排查路径优化等场景。
三门问题 → 关联 1 张
当你有三个症状你患病的概率一下子窜到了16
针对同一罕见病，单症状使患病率升至0.01%，双症状升至0.02%，三症状则达16%，显示证据叠加的非线性效应。
这解释了为何临床诊断重视症状组合而非单一指标。多个弱相关证据的累积可产生强预测力，正是贝叶斯网络的基础原理。
证据累积 → 关联 2 张
意识是受控的幻觉
用贝叶斯大脑理论解释：大脑主动构建世界模型，通过预测与感官输入比对生成感知，所谓真实感实为最优预测。
该观点整合了神经科学与哲学，说明幻觉并非故障而是正常机制——当预测误差过大时（如致幻剂），大脑会重构模型以维持一致性。
意识理论 → 关联 1 张
你戴着有色眼镜来看这个世界
以蓝黑/白金裙子争议为例，说明不同人的先验经验（光照环境习惯）导致对同一图像产生截然相反的色彩感知。
该现象证实感知是建构过程而非被动接收。教育心理学指出，教师对学生的先验判断会影响课堂互动，形成自我实现预言，印证‘有色眼镜’的社会影响。
感知建构 → 关联 2 张
在下一回我收到体检报告解读的时候当看到血脂指标很高我该在多大程度上去进一步检查
提出体检解读需综合年龄段患病率、家族史、高危因素等多重先验，而非仅凭单项指标异常做决策。
这推动精准医疗理念：同样LDL-C值，对有早发冠心病家族史者风险远高于无家族史者。贝叶斯框架使个体化评估成为可能。
精准医疗 → 关联 1 张
当下一次当天气预报说明天降雨概率是70的时候我将要怎么思考
指出天气预报70%降水概率不能直接等同于70%会下雨，需结合季节平均降水率、预报历史准确率、实时云图等修正。
气象学中，集合预报通过运行多个初始条件相近的模型生成概率分布，其本质正是贝叶斯思想——用多源不确定性刻画真实世界。
概率预测 → 关联 1 张
你一开始说的这个罪犯的那个dna给你抓的这个人不一定等于他有罪
DNA匹配不等于有罪，因300万分之一匹配率在6800万人口中会产生约20个匹配者，真凶仅为其中之一。
司法实践已采纳此逻辑，美国国家科学院报告指出，DNA证据需结合犯罪现场重建、时间线等其他证据链，避免‘DNA崇拜’误区。
司法证据 → 关联 1 张
你获得的一个新的信息都可能翻盘所以不要怕改变主意
总结三门问题启示：新信息（主持人开空门）彻底改变原决策基础，坚持初始选择反而是非理性。
行为经济学证实，认知失调理论解释人们抗拒信念更新的心理机制。贝叶斯思维提供对抗确认偏误的实操工具，提升决策韧性。
认知更新 → 关联 1 张
互动自测

自测一下

贝叶斯思维不是知识，而是肌肉记忆。试试看，你日常决策中藏着多少‘非贝叶斯’本能？

1. 你收到体检报告，某项指标异常，医生说‘这个指标异常在健康人中也有10%出现率’。此时你最该做的第一件事是？
立刻预约专科复查
上网搜索这个指标异常代表什么病
查一下你这个年龄段、性别、无家族史的人群中，这项疾病的实际发生率
问医生这个指标的检测准确率是多少
2. 朋友告诉你‘我吃了XX药，三天就好了！’，你因此相信这药对你也有效。这种推理忽略了哪个关键贝叶斯要素？
药物的生产批次
朋友的体质与你不同
该病在普通人群中的自然康复率（先验概率）
药品说明书的不良反应列表
3. 当两个人对同一张图片（如蓝黑/白金裙子）产生截然相反的判断，贝叶斯思维给出的最优沟通策略是？
拿出更多高清图证明自己是对的
分析对方视力是否有缺陷
先了解对方平时接触的光源环境（如常晒太阳or常看蓝光屏幕）
建议双方去做色觉测试
4. 天气预报说‘明天降水概率70%’，你据此决定带伞。但如果你用贝叶斯思维，还必须知道哪个数据才能做出更优决策？
当地气象局的历史预报准确率
过去一个月报70%降水时，实际下雨的次数占比
伞的防水等级
你明天的行程安排
5. 以下哪种情况最符合‘检察官谬误’？
看到朋友圈转发‘某食品致癌’，立刻删除该食品
法官仅因嫌疑人DNA与现场匹配，就判定其有罪，未考虑人口基数
医生发现患者有家族史，因而提高对该病的警惕性
学生因一次考试失利，认定自己不适合学这门课
延伸阅读

推荐书单

BOOK
匹配：市场如何真正运作
Alvin E. Roth
这本书揭示了名校录取、器官移植、求职招聘等关键市场并非靠价格调节，而是靠精巧设计的匹配规则——它把‘运气’变成了‘可设计的胜利’
BOOK
如何解读数字
Tim Harford
数字天然具有权威感，但它们也最容易被用来误导。这本书教你如何看穿分母缺失、相关即因果、数量级扭曲等常见陷阱
BOOK
事实：用数据思考，避免情绪化决策
Hans Rosling
用138张图表破除十大直觉误区，证明世界比你想象的更好——它用数据重建常识，是贝叶斯思维的最佳启蒙读物
自己首诗古希
维亚 × 嘉宾1
EP.59 · 贝叶斯不是数学课
自己首诗古希
你一定要理解数量级才能谈意义，忽视基本的概率是最常见的伪科学