思维之光LIGHT OF THOUGHT我的空间
返回模型库
MODEL 111 / 风险与韧性

贝叶斯更新

把新证据的区分力,转化为判断的更新。

5 分钟阅读理论与方法
01 / UNDERSTAND

它是怎么回事?

贝叶斯更新描述在获得新证据后,怎样在原有判断与证据的区分能力之间重新分配信任。关键不是“看到证据就提高信心”,而是比较:如果假设成立,这种证据有多常见;如果假设不成立,它又有多常见?两种情况下都很常见的现象,更新价值有限。

对假设 H 和证据 E,P(H|E)=P(E|H)P(H)/P(E)。分母包含所有考虑中的解释产生证据的可能性。先验不是不可争论的成见,应说明它来自基准率、历史数据还是暂时的主观区间。

实际使用要特别注意同源信息:同一篇报告被转述十次,通常不是十份独立证据。连续更新时还要检查环境是否改变,以及新的证据是否已经包含在上一次判断中,避免重复计权。

贝贝叶斯、拉普拉斯奠基与发展

本文为学习性整理,案例与实践步骤为编辑转化。

为什么会起作用?

先验提供比较基线:没有基准率,容易把罕见但醒目的个案误认为常态。

ORIGINS / 历史与归属

它从哪里来?

贝叶斯的工作由普赖斯整理发表,拉普拉斯等进一步发展了概率推断。现代贝叶斯方法是共同发展的体系。

摘要

2 段摘要
  1. 把新证据的区分力,转化为判断的更新。

  2. 贝叶斯法则详细说明了先验信念(基础比率)应如何与对证据的诊断相结合,从而得出后验信念。〔《思考,快与慢》丹尼尔·卡尼曼〕

02 / RECOGNIZE

什么时候用?

新信息出现,需要决定改变判断多少时。

慢思维工作台

滚动到这里时再加载,减少长文页面的首屏负担。

03 / IN REAL LIFE

把道理放回真实情景。

工作场景 · 编辑示例

假设一批项目中20%真正达到需求标准,访谈出现积极反馈的概率在达标项目中为80%,不达标项目中为30%。看到积极反馈后,达标概率为0.2×0.8÷(0.2×0.8+0.8×0.3)=40%。积极反馈提高了判断,却不足以直接宣布项目成功;以上数字仅为演示假设。

生活场景 · 编辑示例

一位朋友迟迟没有回复,可以同时考虑忙碌、漏看和不愿继续交流等解释。一次延迟对这些解释的区分力很弱。先参考平时习惯,再用低压力的确认方式获取新信息,避免因一个显眼信号就把某种解释提升为确定事实。