一句话解释
贝叶斯定理就是：根据新信息，更新你对某件事的判断。
公式看起来有点吓人：
P(A|B) = P(B|A) × P(A) / P(B)翻译成人话：
“看到证据后，事件 A 的概率 = 证据支持 A 的程度 × A 原本的概率 ÷ 看到这种证据的概率”
经典例子：疾病检测
这个例子最能体现直觉与真相的差距。
场景设定：
- 某疾病发病率：1%（100 人中有 1 人得病）
- 检测准确率：99%（有病测出阳性的概率是 99%，没病测出阴性的概率也是 99%）
问题：你检测阳性，真的患病的概率是多少？
直觉答案：99%。
正确答案：约 50%。
为什么差这么多？
计算逻辑：
- 1000 人中，约 10 人得病
- 这 10 人检测：9.9 人阳性（真阳性）
- 990 人没病：其中约 9.9 人假阳性（1% 的误报率 × 990）
- 阳性总人数：9.9 + 9.9 = 19.8
- 真阳性占比：9.9 / 19.8 ≈ 50%
关键洞察：虽然检测准确率很高（99%），但因为疾病本身很罕见（1%），假阳性的绝对数量跟真阳性差不多。这就是基础概率（先验概率）的力量。
生活中的贝叶斯思维
天气预报
- 原来：明天 30% 概率下雨
- 新证据：看到乌云密布
- 更新后：60% 概率下雨
你不会死守 30%，也不会直接跳到 100%。你会根据新信息适度调整。
股票投资
- 原来：我觉得这只股票 70% 会涨
- 新证据：财报出来，业绩超预期
- 更新后：85% 会涨
不是从零开始判断，而是在原有判断上更新。这比”听消息就买”理性得多。
判断朋友是否靠谱
- 原来：80% 信任这个朋友
- 新证据：他借钱没还
- 更新后：60% 信任（下调，但不归零）
贝叶斯思维拒绝极端化。新证据会调整概率，但不会让概率变成 0 或 1。
贝叶斯思维三原则
- 先有个基础判断（先验概率）——不凭空猜测，基于已有经验
- 看到新证据就更新（后验概率）——不固执己见，允许被事实改变
- 别一根筋——世界在变，你的判断也要变
与《对赌》思维的呼应
安妮·杜克的《对赌》思维与贝叶斯定理高度一致：
| 《对赌》概念 | 贝叶斯对应 |
|---|---|
| 信念校准 | 先验概率：“我有 70% 把握” |
| 结果接球 | 贝叶斯更新：从结果提取信息 |
| 求真团体 | 多元信息源：获取更多新证据 |
| 10-10-10 法则 | 情景规划：多个未来的概率分布 |
一个练习
你朋友说”XXX 股票肯定涨”。
贝叶斯反应不是”买”或”不买”，而是：
- “他有几分把握？80%？”
- “他为什么这么判断？”
- “之前他说对的次数多吗？”
- 结合你自己的判断，更新对这只股票的评估
核心一句话
贝叶斯就是：不要固执，根据事实调整判断。
如果你能养成这个习惯，你的决策质量会显著提升——不是因为每次都对，而是因为在每次新信息出现后，你能更快地接近真相。