本讲主张
当证据不止一条时，判断的关键不只是‘信息更多’，而是这些信息能不能被视作独立、该如何合并。
中文释读
很多人知道多看几条数据更稳，却不知道什么时候能乘、什么时候不能乘。这一讲把‘多条证据整合’的门槛点了出来。
知识路线
关键论点
- 多条证据能提升判断，但前提是关系要说清。
- 独立性是假设，不是自动成立。
- 证据合并时最怕重复计算同一信号。
行动清单
- 先判断信息之间是否独立。
- 防止把同一线索换皮后算两次。
- 合并信息时记录假设条件。
源章节深读
10-1 运用多项信息进行贝叶斯推理
这节解决什么：这一节在解决《第10讲 多条信息一起上场》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：在前面几讲中的案例，在运用贝叶斯推理时，都只是获取到了一项信息。例如，第1讲中，面前的顾客会/不会上前询问；第2讲中，只有1种癌症检查；第3讲中，女性同事会/不会送出巧克力；第4讲中，第一胎的性别，等等。每个案例中，最终获得的信息都只有一项。
10-2 将两个试验结合起来
这节解决什么：这一节在解决《第10讲 多条信息一起上场》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：我们面对的每个案例，都有多个可能的结果。而为每种可能性分配各自的概率的这个现象，被称为
10-3 用乘法运算得出独立的直积试验的概率
这节解决什么：这一节在解决《第10讲 多条信息一起上场》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：下面，我们针对这两个试验的独立性进行说明。
10-4 独立试验概率的乘法公式
这节解决什么：这一节在解决《第10讲 多条信息一起上场》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：在上一节提到的抛硬币和掷骰子的案例中，长方形被划分为完全均等的面积。这个例子具有其特殊性，这是因为抛硬币出现“正面”或“反面”的概率是相等的，而掷骰子出现从1到6点数的概率也是相等的。接下来，我们来探讨出现各种情况的概率不等的问题，并对其进行抽象处理。
本讲图版学习路径
第10讲 多条信息一起上场图版
概念可视化
辨析题
为什么多条信息不一定自动让结论更可靠？