真正的高手都是贝叶斯主义者

正文

请到「今天看啥」查看全文

：在事件 A 发生的条件下，观察到证据 B 的概率。

边际概率 ：证据 B 在所有可能情况下的总概率（通常通过全概率公式计算）。

后验概率 ：在观察到 B 后，事件 A 的更新概率。

贝叶斯定理描述了在已知先验概率的情况下，如何利用新证据来更新信念。贝叶斯的决策思维，正是源自这一核心理念。它是一种基于概率推理的决策方法，其核心是利用贝叶斯定理来更新概率分布，从而做出最优决策。

在决策过程中，贝叶斯决策理论将这种概率更新过程与决策规则相结合，以最小化预期损失或最大化预期效用。

可能上述表达过于抽象。那么， 如何将贝叶斯定理真正用于决策中？

如果我们不把贝叶斯定理看成一个严谨、教条的数学工具，而是一种“ 用概率更新认知 ”的思维方式，就能快速把握其精髓。

它 不追求绝对正确，而是通过不断吸收新信息，调整决策方向，使成功概率最大化。

在当今社会中，不确定性是常态。市场波动、竞争博弈、行为演变……决策者往往需要在信息不完整的情况下做出关键判断。我们常常发现，传统的依靠直觉和经验的思维模式已不足以应对复杂环境。

幸运的是， 贝叶斯定理为我们提供了一种更科学、更动态的决策框架。

同样，《贝叶斯定理》中还指出，当癌症发病率 0.1% 遇到准确率为 98% 的检测时，实际患病概率仅为 16.7%。这种反直觉结论印证了贝叶斯定理的核心价值——用基础概率稀释表面数据的误导性，如同为医疗决策加装“理性滤镜”。

这正是贝叶斯思维给我们的“第零条”重要启发： 证据永远需要放在整体概率框架中解读。

具备这一前置认知后，我们来看看贝叶斯思维在更广泛决策中的三重境界。

第一重境界：先验信念——你的“直觉”如何科学化？

我们做决策时不仅会依据新信息，也会依据先前的经验信息。一般情况下，我们称之为“常识”。

E.T. 杰恩斯表示：“大脑不仅会利用当前问题所产生的新数据，也会利用旧数据。做决定之前，我们会努力回想以前对云和雨的经验认知，以及昨晚天气预报都说了什么。”

每个决策者都有先验信念（Prior Belief），比如：

请到「今天看啥」查看全文