昨天講了四種推理算法，第二種就叫貝葉斯推理叁怪。
人生有許多悖謬造壮，其中一個是我們天生就會，而且習慣性地做貝葉斯推算骂束，但幾乎沒人能算得準確耳璧。
什么是貝葉斯推算？一句話展箱，就是我們根據(jù)新的信息旨枯、證據(jù)、數(shù)據(jù)來更新看法混驰、判斷攀隔、信念。試問誰不是如此栖榨？我們天生是貝葉斯動物昆汹。
簡單貝葉斯推算
課程舉了一個例子。某種疾病的發(fā)病率是1/1000（千分之一）婴栽，這種疾病的準確率很高满粗，如果得了這種病，被檢測出陽性的概率是99.5%愚争，沒有得這種病映皆，那被檢測出陰性的概率也是99.5%。問一個人得病的概率是多少轰枝？
發(fā)病率是1/1000捅彻，也就是說1000人里可能有一個人得這個病。而得這個病被檢查出來的概率是99.5%鞍陨，基本上就是1步淹，而另外的999人沒有病，但是還有0.5%的可能性被檢測出陽性诚撵。999*0.5%=4.995≈5人缭裆。也就是說1000人里可能檢查出來6個人是陽性，即這個人得病概率就是1/6（六分之一）砾脑。
從概率到頻次
卡尼曼認為人有許多認知偏差（bias）幼驶，驅動人們不思而應，貿然而對韧衣。
吉仁澤則認為盅藻，這些不能叫認知偏差，仿佛它們必然是錯誤的畅铭。他建議把這些思維特點稱為“大拇指定律”氏淑，因為大體靠譜，偶爾犯錯硕噩。
生活中的貝葉斯
無論面對什么問題假残，關于未來會怎么樣，你設定三種可能情形：上、中辉懒、下阳惹，分別對應著變好，不變眶俩，變壞莹汤。
我的模板是這樣的：上中下各配基數(shù)33.33，每次加分的取值范圍是從1到5颠印，最強5分纲岭，最弱1分（如果認為信息強，就賦值5线罕，信息弱止潮，就賦值1）。
無論什么事钞楼，打上一段時間的分喇闸，你就對它是很有些數(shù)了，絕對比每次臨時拍腦袋現(xiàn)想要靠譜窿凤。
第一明確你的問題仅偎，第二列出幾種可能的情形，給予他們一樣的權重雳殊，第三尊重新的信息橘沥，給每個新信息賦予1到5不同的分數(shù)，對應哪種情形就把分加到那種情形上夯秃。
參考資料：
格爾德·吉仁澤《風險與好的決策》
