第1讲信息增加导致概率变化

本讲主张

贝叶斯推理的本质，不是神秘公式，而是拿到新信息后，重新估计某个原因有多大可能成立。

中文释读

商店顾客是‘真要买’还是‘随便看看’，这类问题正是贝叶斯思维的天然舞台。你不是凭空猜，而是在先验印象上叠加新观察，再修正判断。

知识路线

Bayesian Updating

贝叶斯的核心是信息更新

先验不是终点，新信息到来后，判断必须跟着变。

Evidence Weight

证据的重量，在于它改变多少判断

并不是所有新信息都值得同样重视，关键看它到底让后验改变了多少。

关键论点

贝叶斯推理是从结果回推原因。
新信息的价值在于改变原本的主观判断。
很多‘经验型判断’其实都可以被结构化。

行动清单

先分清要判断的是‘原因’还是‘结果’。
给原始判断一个起点，而不是假装没有立场。
拿到信息后，问自己：这个信息会让哪种解释更可能？

源章节深读

1-1 通过贝叶斯推理来辨别“买东西的人”和“随便逛逛的人”

这节解决什么：这一节在解决《第1讲信息增加导致概率变化》里一个具体判断问题：当证据进入后，读者到底该改哪一步判断。

怎么迁移使用：把它当作一个生活化推理模板。下次遇到类似问题时，不要直接套结论，而是照着这节的判断顺序重走一遍。

常见误区：常见误区不是不会算，而是先验、条件、独立性或样本空间在中途被偷换了。

原书线索：本讲将通过一个商业案例，为大家介绍经典的贝叶斯推理方法。

1-2 第一步：通过经验设定“先验概率”

这节解决什么：这一节在解决《第1讲信息增加导致概率变化》里一个具体判断问题：当证据进入后，读者到底该改哪一步判断。

怎么迁移使用：把它当作一个生活化推理模板。下次遇到类似问题时，不要直接套结论，而是照着这节的判断顺序重走一遍。

常见误区：常见误区不是不会算，而是先验、条件、独立性或样本空间在中途被偷换了。

原书线索：假设一个场景：面前有一位顾客，此时你需要做的是，推测该顾客究竟是“来买东西的人”，还是“随便逛逛的人”。只有做出正确的判断，才能采取正确的接待方法。

1-3 第二步：设置发生“向店员询问”事件的条件概率

这节解决什么：这一节在解决《第1讲信息增加导致概率变化》里一个具体判断问题：当证据进入后，读者到底该改哪一步判断。

怎么迁移使用：把它当作一个生活化推理模板。下次遇到类似问题时，不要直接套结论，而是照着这节的判断顺序重走一遍。

常见误区：常见误区不是不会算，而是先验、条件、独立性或样本空间在中途被偷换了。

原书线索：在这一步，我们要做的是：为“来买东西的人”和“随便逛逛的人”这两类顾客分别设定“向店员询问”的概率。如果没有相关经验和数据作为支撑，这项工作是无法完成的。上一节讲到，即使没有相关经验，也可以设定先验概率。但此处的“各个分类的行动概率”，必须是基于一定的经验、实证、实验的数值。

1-4 第三步：通过观察到的行为，排除“不可能的情况”

这节解决什么：这一节在解决《第1讲信息增加导致概率变化》里一个具体判断问题：当证据进入后，读者到底该改哪一步判断。

怎么迁移使用：把它当作一个生活化推理模板。下次遇到类似问题时，不要直接套结论，而是照着这节的判断顺序重走一遍。

常见误区：常见误区不是不会算，而是先验、条件、独立性或样本空间在中途被偷换了。

原书线索：作为一名店员，现在你面临的情况是：顾客上前来打招呼。这也意味着，你

1-5 第四步：寻求“来买东西的人”的“贝叶斯逆概率”

这节解决什么：这一节在解决《第1讲信息增加导致概率变化》里一个具体判断问题：当证据进入后，读者到底该改哪一步判断。

怎么迁移使用：把它当作一个生活化推理模板。下次遇到类似问题时，不要直接套结论，而是照着这节的判断顺序重走一遍。

常见误区：常见误区不是不会算，而是先验、条件、独立性或样本空间在中途被偷换了。

原书线索：上一节，由于观察到“询问”这一行动，使得“可能世界”被限定在两个以内。也就是说，面前的顾客所属的世界，要么是“来买东西的人询问店员”，要么是“随便逛逛的人询问店员”，只有这两种可能性。显示其可能性的数值（概率），如

1-6 贝叶斯推理过程的总结

这节解决什么：这一节在解决《第1讲信息增加导致概率变化》里一个具体判断问题：当证据进入后，读者到底该改哪一步判断。

怎么迁移使用：把它当作一个生活化推理模板。下次遇到类似问题时，不要直接套结论，而是照着这节的判断顺序重走一遍。

常见误区：常见误区不是不会算，而是先验、条件、独立性或样本空间在中途被偷换了。

原书线索：用图表对于之前提到的后验概率的计算方法进行总结，如

本讲图版学习路径

概念可视化

概念可视化