贝叶斯定理

什么是贝叶斯定理？

贝叶斯定理描述了如何根据新的证据更新你对某件事的概率判断。用一句话概括：后验概率 = 先验概率 x 似然度 / 证据概率。

一个直觉例子

假设一种罕见病的发病率是 1/1000。检测准确率 99%（有病检出阳性 99%，没病检出阴性 99%）。你检测阳性了，实际有病的概率是多少？

直觉上可能是 99%？错。正确答案是约 9%。

因为：1000人中有1人真有病（大概率阳性），999人没病但其中约10人会是假阳性。所以11个阳性中只有约1个真有病。

贝叶斯思维三步

1. 先验信念：根据已有知识给出初始概率
2. 新证据：观察到新的数据或信息
3. 后验信念：根据贝叶斯公式更新概率

为什么重要？

贝叶斯思维是一种理性的「改变想法」方法。你的先验信念越强，需要越强的证据才能改变它。垃圾邮件过滤、医学诊断、天气预报都用了贝叶斯方法。