课堂中的扭曲想法 回想一下你第一次上高中统计课时的情景。老师走到黑板前，画了一个硬币，问了一个看似简单的问题：“投掷这枚硬币，正面朝上的概率是多少？”你和房间里的每个人都立刻作出了回答：“五十 percent。”如果被追问解释，你可能会说，如果投掷这枚硬币无限次，半数的结果会是正面朝上。这就是频率主义，它是我们教育体系的标准操作流程。它通过可重复数据的冷峻、客观的镜头来定义概率。在频率主义世界中，概率是通过如果我们能反复进行同一实验会发生什么来理解的。这是一个整洁、令人安心的框架，设计用于一个由掷骰子、洗牌组成的世界，还有无尽的时间。但这里有个问题。一旦你走出教室，实验室的墙壁就倒塌了。现实生活很少给我们无限试验的便利。你不能以千次结婚来测量幸福婚姻的概率，也不能让一家公司在 Instagram 上发布完全相同的产品活动一百万次来测试参与度提升。 在人类存在的混乱竞技场中，频率主义的概率定义开始感觉不再是工具，而更像是束缚。 现实：本质上是贝叶斯的 而此时正是我们教育的幻觉显露无遗的时刻：尽管我们在纸上被训练成频率主义者，却似乎天生倾向于以贝叶斯式的方式进行推理。在现实世界中，概率并不关乎对无限未来重复次数的计数，而是关于对当下不确定性的量化。这正是贝叶斯统计的核心。贝叶斯统计学家不会在收集无尽数据后才做出判断，而是从先验开始，这是基于过往经验或直觉的初始信念。然后，随着新证据的到来，他们会更新这种信念，以得出后验概率。我们不需要数学学位就能做到这一点。人类大脑往往充当贝叶斯预测引擎。我们的祖先在野蛮大地上并不幸运，无法等待一枝浪草移动九十九次后才计算出 p 值再逃离捕食者。他们拥有强大的先验：“浪草等于危险”。他们看到一点新的小数据（也许是黄色毛发的微光），立刻更新了他们的概率，并存活了下来。很容易理解，一种快速、贝叶斯式的信念更新方式，为何在生存中可能是有用的。当然，这并不意味着我们是完美的统计学家。Kahneman 和 Tversky 多年来的工作揭示了某种悖论：当被要求用纸上的数字明确地推理概率时，人类往往糟糕透了。我们经常忽略基准率，做出错误的贝叶斯问题。但这正是要点。我们在不刻意思考时，完美地运行贝叶斯引擎；只是我们读不了它的仪表盘。我们的直觉是后验；我们有意识的数学是 bug。 超市与等待游戏 为了看到这种进化机制的行动，我们不需要击退老虎。我们只需看看我们如何导航日常、成年人的生活。想象一下，当你在外国旅行时走进一家高端超市。你在货架上看到一块高档巧克力 bars，但没有价格标签。严格的频率主义方法在这里会感到困难：你对这个特定物品在这个特定商店的确切观察值为零。理论上，价格可能是两欧元或 t...