概率不是世界的客观属性，而是你对一件事相信的程度。新证据不该抹掉旧信念，而是按"先验 × 似然"重新加权。忽略"基础率"（一件事本身有多常见），是几乎所有人——包括医生、法官、投资人——在直觉判断概率时的系统性错误。
这个思想以 18 世纪的 Bayes 命名。公式本身很简单：先验（你原有的相信程度）× 似然（新证据有多符合）→ 后验（更新后的相信程度）。难的是那条容易被忽略的原则：任何概率都是相对于"你已知的信息"而言的，没有脱离信息的概率。直到上世纪 90 年代计算方法成熟，贝叶斯才真正普及。
| 检测阳性 | 检测阴性 | 合计 | |
|---|---|---|---|
| 真实患病 | 95 | 5 | 100 |
| 真实健康 | 495 | 9405 | 9900 |
| 合计 | 590 | 9410 | 10000 |
曾有人拿上面这道"罕见病检测"题去考医学院的师生：一种发病率 1% 的病，检测准确率 95%，那么"测出阳性"的人真的患病的概率是多少？大多数人脱口而出 95%，正确答案却只有约 16%——因为健康人基数太大，误报的绝对人数远超真患者。连医生都会忽略基础率。法庭上同类错误（把几个小概率直接连乘、当成铁证）甚至制造过冤案。
在机器学习里，处理不确定性的方法大多是贝叶斯式的；在认知科学里，有理论认为大脑本身就是一台层层做贝叶斯推断的预测机器；在医学里，"看到症状后再更新患病概率"已是标准诊断思路；在投资里，黑天鹅之后人们"突然信教"，本质就是先验被剧烈更新。
团队里"那个人总爱拖延"的判断，几乎都是基础率失误——如果所有项目都拖（基础率 80%），单看 ta 拖几次根本说明不了什么；反过来，"这个新功能一定会爆"的乐观，也常常忽略了"行业里九成发布都波澜不惊"这个先验。养成一个习惯：在看到证据前，先问"我原本的相信程度是多少？这条证据到底把概率提高了 2 倍，还是 20 倍？"——能挡掉大多数草率结论。育儿同理：孩子做错三道题，不该立刻更新成"她数学不行"——相对一学期几百道题，这点证据撼动不了任何先验。
▸ 思考题：把你最近一次"我早就知道"的判断写成贝叶斯形式——你原本的先验是多少？那条证据真的强到支撑这个结论吗？当一个问题没法用公式直接算出来，却可以反复模拟时，只要随机采样足够多次，就能得到任意精度的近似答案——把"思考"换成了"计算次数"。这彻底打破了"复杂 = 无解"的旧观念：很多曾被视为数学难题的东西，今天只是算力问题。
它的起源很有画面感：一位数学家生病时打牌消遣，想算清某种牌局的获胜概率，发现用公式推导极难，但直接模拟很多局再数一数却很容易。背后的原理是"大数定律"：把任何求和、求平均、求面积的问题，都变成"大量采样再取平均"。后来它发展出一大家族方法，共同点是——用随机性去精确逼近确定的答案。
估算圆周率 π：在一个正方形里随机撒大量的点，数一数落进内切圆里的比例，再乘以 4，就约等于 π。撒一万个点得到约 3.14，撒一百万个点得到约 3.1416——全程没有任何几何推导，只有反复"掷骰子"。同一个思路撑起了：复杂金融产品的定价、现代贝叶斯计算、AlphaGo 每步棋背后的上万次模拟对局，甚至大模型每吐一个字，本质上也是一次随机采样。
在物理里用来处理多粒子难题；在金融里用来给衍生品定价、估算风险；在游戏 AI里是 AlphaGo 这类棋手的核心；在气候里通过扰动初始条件来"采样"未来的多种可能；在机器人里用来做定位与跟踪。
面对复杂决策（要不要换工作？项目能不能按期？），最常见的错误是追求"算出一个准数"，而不是"采样多种可能"。草拟三五个情景、给自己一个"60% 能成"的安心，远不如认真设想 20 条具体的执行路径（包括极端情况），看看哪类失败反复出现。结果的"分布"，往往比那个"平均值"重要得多。育儿计划也一样——别做"完美计划"，先模拟十种"周三晚上孩子病了、你八点还在开会"的场景，那才是真正的压力点。
▸ 思考题：你最近一个重要决策，能不能"采样"出 10 条具体路径，而不只是算一个期望值？哪条路径让你最不安？你为它准备预案了吗？当你只看得到"幸存下来的样本"时，结论几乎必然出错。失败者沉默、无法发声，于是你以为的"成功要素"，可能只是幸存者身上的随机噪声，而非真正原因。最致命的偏差不在数据本身，而在"什么样的样本才能被你看到"。
二战时最经典的案例：军方想根据返航轰炸机上的弹孔分布来加固机身，自然想加固弹孔最密的地方。一位统计学家却指出反了——该加固的恰恰是弹孔最少的部位（如引擎）：因为被打中那里的飞机根本没能飞回来，所以你在幸存的飞机上看不到那些弹孔。任何"只统计幸存者"的数据，都会高估好处、低估风险。
各种"成功学"总结出富豪 CEO 的共同点是"早起、爱读书、坚毅"——但这些特点在破产的 CEO身上可能比例更高，只是没人去统计失败者。所谓"卓越公司"的研究对象，往往在书出版几年后就泯然众人——事后归因，在只看幸存者的前提下，全是合理化的故事。对冲基金的平均收益看着光鲜，也是因为亏掉的基金早早关停、退出了统计。
在历史里，"古建筑都很坚固"——其实是脆弱的早塌了；在科研里，只发表阳性结果让整体文献过度乐观，是"可复现性危机"的根源之一；在机器学习里，训练数据本身就是被筛过的样本（"线下指标好、上线就崩"常源于此）；在教育里，"名校毕业生年薪高"忽略了"能被录取"本身已是极强的信号。
技术人最容易掉进的坑，是只研究成功的开源项目、创业案例、AI 产品，把它们的做法奉为圣经。一个反偏差的小训练：每读一个成功案例，强迫自己找出 3 个用了相似策略却失败的例子。如果找不到，要么是失败者没声音、要么是这个"策略"根本无法被识别——两种情况你都不该轻信那套归因。育儿同理：在参考"某某妈妈带娃秘诀"之前，先问一句"用了同样方法、孩子却没考好的妈妈在哪里"——她们的沉默，不代表她们不存在。
▸ 思考题：你正在效仿的某条"成功路径"，能不能列出 3 个用同样方法却失败的案例？如果列不出来，你跟随的是规律，还是噪声？整体上看 A 比 B 好，但一分组，每一组里都可能是 B 比 A 好——加总能让结论彻底反转。这意味着：相关性的方向，取决于你有没有控制对的"混杂变量"。不是数据骗人，而是没有因果判断的数据本身没有方向。这是从"描述数据"迈向"理解因果"的分水岭。
最著名的案例：某大学研究生录取，整体看男性录取率明显高于女性，像是性别歧视。但逐个院系拆开看，几乎每个系女性录取率都不低于男性。真相是：女性更多申请了那些本来就难录取的热门院系。换句话说，"申请方向"这个隐藏变量，制造了整体上的假象。控不控制某个变量，会得出完全相反的结论。
| 部门 | 男申请 / 录取 | 男录取率 | 女申请 / 录取 | 女录取率 |
|---|---|---|---|---|
| A（易录取） | 800 / 480 | 60% | 100 / 70 | 70% |
| B（难录取） | 200 / 40 | 20% | 900 / 225 | 25% |
| 整体 | 1000 / 520 | 52% | 1000 / 295 | 29.5% |
肾结石的两种疗法 A、B：整体数据显示 B 的成功率更高。但按结石大小分组后，无论大结石还是小结石，A 都更好。原因是医生把更难治的大结石更多地分给了 A，拖累了 A 的整体数字。同一份数据，"哪种疗法更好"的答案，取决于你问的是"疗法本身的效果"，还是"在医生分配习惯下的平均效果"——这是两个不同的问题。
在A/B 测试里，这是分析师最常踩的坑——用户群体的差异会掩盖真实效果；在算法公平性里，"每个子群准确率都更高、整体却更低"时有发生；在流行病学里，疫苗效果必须按年龄分层来看；在教育里，"某校升学率高"可能完全来自生源差异，而非教学。
数据驱动决策的最大陷阱，往往不是"没数据"，而是只看加总数据。团队整体生产力涨了 10%，可能是新来的高产成员拉高的，老成员其实人人都在下滑；日活涨了 20%，也可能是新用户活跃度低于流失用户，看着增长、实则稀释。看任何关键指标，都立刻追问一句"按不同方式分组之后，结论还成立吗"——这正是工程师和"虚荣指标"之间的根本区别。育儿同理：孩子"这个月做题快了"，是真进步，还是这个月的题更简单了？
▸ 思考题：你团队、产品或家庭里最近一个"明显变好/变差"的指标，按 3 种不同方式分组后还成立吗？哪一种分组会让结论翻转？