让事情发生,你已成功一半

2024-01-11 02:38谭保罗
南风窗 2023年26期
关键词:小美后验贝叶斯

谭保罗

在经济进行深度调整的时候,或者就业市场发生结构性变化的时候,很多人都在说“贝叶斯主义”。这是一款心灵鸡汤,但它的确有货真价实的营养。

投资界的人喜歡把贝叶斯主义和价值投资联系起来,告诉大家不要自暴自弃,要懂得调整心态,穿越周期,相信自己能最终获得长期投资的回报。励志学家则喜欢用贝叶斯主义来激励年轻人,找工作固然不容易,但你们要先提升自己,要不断尝试,历经万难才能实现人生目标。

贝叶斯主义是个筐,什么都往里面装。那么,到底什么是贝叶斯主义?我们首先应该明白这个说法的本源—贝叶斯公式(Bayes Formula)。贝叶斯(Bayes)是个人,比中国清朝的乾隆皇帝大10岁左右,是一位英国数学家兼神父。据说,他在证明上帝存在的过程中,不小心发现了这个公式。

贝叶斯公式的数学表达式是:P(A|B) = P(B|A) * P(A)/ P(B)。其中,P(A|B)表示在B发生的情况下,A发生的概率;P(B|A)表示在A发生的情况下,B发生的概率;P(A)表示A发生的概率;P(B)表示B发生的概率。要注意,P(A|B)和P(B|A)都是后验概率,而P(A)和P(B)都是先验概率。

以上这段高中数学课上的表述,可能已经把你绕晕。这并不意味着你不够聪明,而是生活和工作的压力,已经让你逐渐失去了进行这种纯粹理性思考的耐性。但现在,请务必保持一颗青春年少的心,来进行一次纯粹的思考。它对更新我们的认知,非常有用。

首先,我们必须弄清两个概念,先验概率和后验概率。前者是指利用初始信息计算出的概率,如P(A)和P(B),而后者是指不但拥有初始信息,而且进行了第二次信息更新之后,计算出来的新的概率。

何为第二次信息更新?以后验概率P(A|B)为例,即当B事件发生之后,A事件发生的概率。其中,B事件发生就是第二次信息更新。同理,P(B|A)则是反过来,当A事件发生之后,B事件发生的概率。显然,后验概率因为有第二次信息更新作为计算基础,必然会更加准确。

请忘记以上那个看起来复杂的公式,我们用一个例子来说明。假如你是一位叫小帅的年轻小伙,去追求一个样子很好看的叫小美的女生。小美还有一位追求者叫大壮。P(A)是你追到小美的概率。一开始,你不知道是否可以追到小美。所以,你只能简单地凭空计算出P(A)是50%,成功和失败的可能性对半开。

但是,过几天发生了事件B—小美和大壮大吵了三天。这时候,你追到小美的概率就明显不同了,你计算出的概率应该是后验概率P(A|B),而不是先验概率P(A)。在这里,你知道他们大吵3天,就是你的第二次信息更新,于是你计算出新的追小美成功概率P(A|B)是70%。

信息是可以不断更新的。于是,你开始行动,约小美吃饭。她不但答应吃饭,还主动邀请你一起看电影。那么,这时候你计算出的概率便会更加准确。在形势一片大好的情况下,你计算出追求小美成功的概率是90%,胜利在望。

通过这个例子,我们可以看出贝叶斯公式的本质是,教育人们不能瞻前顾后,不能因为先验概率P(A)过低,而不敢尝试。尝试过程本身就是收获,因为你可以获取新的信息,更新自己的认知。同时,在尝试的过程中,你自己也获得了成长甚至脱胎换骨。在这里,新的信息更新和你本身的成长,就是事件B。最终,你得到了一个属于你的,更准确的后验概率P(A|B)。

在不确定的时代,越是敢于尝试,你越是会对生活充满了掌控感。让未知的事情发生,你已经成功了一半。

猜你喜欢
小美后验贝叶斯
褪色的玫瑰
推理:小美过生日
蜡烛跷跷板
基于对偶理论的椭圆变分不等式的后验误差分析(英)
贝叶斯统计中单参数后验分布的精确计算方法
贝叶斯公式及其应用
一种基于最大后验框架的聚类分析多基线干涉SAR高度重建算法
基于贝叶斯估计的轨道占用识别方法
一种基于贝叶斯压缩感知的说话人识别方法
IIRCT下负二项分布参数多变点的贝叶斯估计