贝叶斯思维 (Bayesian Thinking)

贝叶斯思维根据新证据相对不同假设的可能性，持续更新原有判断。

证据很少从零开始说话；合理判断需要同时考虑先验概率和证据的诊断力。

罕见疾病即使检测阳性，也要结合基础发生率，而不能只看检测准确率。

贝叶斯定理用似然与先验计算后验概率：P(H|E)∝P(E|H)P(H)。

列出互斥假设，赋予可解释先验，评估证据在各假设下的可能性，再归一化更新。

排查设备故障时，新症状更支持某个原因，就提高该原因的后验概率。

这个概念常用于医学判断、故障诊断、风险决策。应用时应先确认研究对象、观察尺度和所采用的模型。

模型遗漏重要假设或概率估计失真时，精确计算也会得到误导结果。