贝叶斯定理：从条件概率到逆概率

直觉：为什么要"反过来"算？

经典概率问题是"正向"的：已知原因，求结果。

袋子里有 3 个红球 2 个蓝球，随机摸一个，摸到红球的概率是多少？

$P(\text{红}) = \frac{3}{5}$，这很简单。

但现实中的问题往往是逆向的：

你摸到了一个球，看了一眼发现是红的，但这个球是从哪个袋子摸出来的？

这就是贝叶斯定理的用武之地——已知结果，反推原因。

公式

$$P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)}$$

每个部分都有直觉含义：

符号	名称	含义
$P(A\|B)$	后验概率	看到证据 B 后，A 有多可能？
$P(A)$	先验概率	在没有任何证据前，A 有多可能？
$P(B\|A)$	似然度	如果 A 为真，看到 B 的概率多大？
$P(B)$	证据概率	不管怎样，看到 B 的总概率多大？

例子 1：调酒中的贝叶斯

你在学调酒，发现一杯调出来的酒偏甜。

• 先验 $P(\text{糖浆加多})$：你之前 30% 的时候会手抖多加糖浆
• 似然 $P(\text{偏甜} | \text{糖浆加多})$：如果真加多了，90% 会偏甜
• 证据 $P(\text{偏甜})$：总体偏甜的概率（也可以是柠檬汁放少了）是 40%

$$P(\text{糖浆加多} | \text{偏甜}) = \frac{0.9 \times 0.3}{0.4} = 0.675$$

67.5%——比你"觉得自己手抖了"的 30% 要高得多。调整配方吧。

例子 2：股票中的贝叶斯

你有一套技术指标，历史上它在牛市中发出买入信号的准确率是 80%。但牛市只占 30% 的时间。今天它发出了买入信号，真的值得买吗？

• $P(\text{牛市}) = 0.3$
• $P(\text{信号}|\text{牛市}) = 0.8$
• $P(\text{信号}) = 0.8 \times 0.3 + 0.2 \times 0.7 = 0.24 + 0.14 = 0.38$

$$P(\text{牛市}|\text{信号}) = \frac{0.8 \times 0.3}{0.38} \approx 0.632$$

只有 63%——信号响了不代表稳了。这就是为什么单一指标不够用。

贝叶斯思维的核心

贝叶斯定理教会我们三件事：

1. 先验很重要：你对一件事的初始信念会大幅影响结论
2. 更新而非推翻：新证据不是"推翻"旧信念，而是在旧信念上"更新"
3. 量化为直觉：把"我觉得"变成"我有 67% 的把握"

---

"When you change the way you look at things, the things you look at change."

下次调酒偏甜时，你知道该怎么算了。