前言
每隔一段时间，我都会习惯性地反思自己的各种臭毛病。比如，冲动，过度直爽，以己度人等，一次次的反省总会发现，好像自己并没有什么改进，然后又用人无完人来安慰自己，年过四旬，依然我行我素，不以为耻，反以为荣。老祖宗的各种警示教育似乎也没当一回事。
勇而无礼则乱；直而无礼则绞。
主不可因怒兴师，将不可因愠致战。
君子欲讷于言而敏于行。
君子矜而不争，群而不党。
直节虽佳，不宜太露；刚正可佩，不可过严。
都能看懂，但很难控制，心里想的都是一切随缘。
为什么我要单独为这本书写一个读后感，因为很多为人处世的智慧，背后都有概率论的影子，老祖宗的智慧加上科学的分析，让我发现，原来知行合一也可以用科学来辅助，
贝叶斯定理：古老东方哲学与现代科学的融合
1702年，英国一位名叫托马斯·贝叶斯（Thomas Bayes）的牧师在研究中证明了一个概率公式。这个公式在他去世后两年才被人发表，此后将近两百年几乎被学界遗忘。直到20世纪计算机诞生，这个"古老"的定理才重新焕发生机，并在短短几十年内彻底改变了统计学、人工智能、医学诊断、搜索引擎等领域。
贝叶斯定理的核心公式：P(A|B) = P(A) × P(B|A) / P(B)
听起来像数学课上的噩梦，但它的实际内涵非常朴素——用新证据来更新你的判断。就像中医的"望闻问切"，先有一个初步判断，然后根据新观察到的情况不断调整。贝叶斯定理把这个过程量化了。
它最初用来描述两个事件的条件概率间的关系，后来被人们发现具有很深刻的实际意义和应用价值。该公式的实际内涵是，支持某项属性的事件发生得愈多，则该属性成立的可能性就愈大。利用贝叶斯公式可以定量地描述由果推因的可靠程度，在经济、医药、人工智能等领域中广泛应用。
贝叶斯定理是一个非常有意思的思维方式。当你深刻了解后，就会更深刻理解孔子的那句话：
"毋意，毋必，毋固，毋我。"
这句话出自《论语·子罕》，是孔子对弟子子贡说的一段话：
毋意——做事要有确凿的证据，不可以随意臆测
毋必——不要以为某事百分百确定无疑
毋固——不要固执己见，坚持固有想法
毋我——不要以自我为中心
很多人以为这是孔子在讲道德修养，实际上这四句话包含着深刻的认识论和方法论。用贝叶斯的话来说：
毋意 = 不要在没有证据的情况下随意设定先验概率
毋必 = 承认不确定性，永远给新证据留更新空间
毋固 = 根据新证据及时调整判断
毋我 = 不要让主观立场过度影响对客观概率的判断
孔子的智慧穿越了两千多年，与贝叶斯定理不谋而合——这说明真正的道理是不分时代、不分文化、不分国界的。
最大似然估计的陷阱：忽略基础概率
用最大似然估计来思考问题，最容易忽略一个隐藏很深的因素——不同原因发生的概率是不同的。
我们举一个例子。在工厂里，从工厂大门出来的工作人员且衣着随意，他是一线人员还是后勤人员？谁的概率大？
假设我们已经有了基本的经验：
一线人员中60%的人经常衣着随意
后勤人员中70%的人衣着随意
如果只是单纯用最大似然来思考，那么可以弱弱说一句：后勤人员可能性更大（因为70% > 60%）。
但是仔细一想，实际上依然存在矛盾——因为一线人员和后勤人员的人数是有区别的。假设：
后勤人员有200人
一线人员有1000人
我们用数学公式来解释：
后勤人员经常衣着随意的人数 = 200 × 0.7 = 14人
一线人员经常穿着随意的人数 = 1000 × 0.6 = 60人
后勤的比例 = 14 ÷ 74 = 18.92%，一线人员 = 81.08%
那么，最终的结果还是一线人员可能性更大
忽略了"基础概率"（即人数基数），单看"似然概率"（衣着随意的比例），会得出完全错误的结论。
这个原理同样适用于职业规划。考虑自己的专业来选行业，否则很容易遇到天花板，无法随着平台的变化而变化。要成功要付出更多的努力，有时候并不是只要努力就能成功，一定要有独立的思考来为自己未来打算。
基础概率与后验概率
后验概率中的"后"，就是观测到或者有证据后，再判断该原因的概率的含义。
用公式来表示：先验概率 × 似然概率 = 后验概率
这里的关键在于——先验概率的获取方法有两种：
当前对象的历史记录，也就是大数据
同类的历史数据，也就是相似物品的大数据
过去发生过的切肤之痛很容易给自己带来错误的先验概率。比如有些人因为一次创业失败，就觉得创业九死一生；但如果看看全国创业者的整体数据，可能失败率并没有那么高。
反过来，如果一个人从小到大家庭和睦、成绩优秀、事业顺利，他可能会觉得"世界是美好的、人心是善良的"——这也是一种被有限经历塑造的偏颇先验。
凡事要先考虑先验概率，不要被部分信息冲昏了头脑。
比如说坐飞机遇到气流颠簸就紧张得不行，以为要发生空难了。主要还是因为没有计算概率——飞机失事的概率极低。据可靠分析，人一天坐一趟飞机，需要连续坐12.3万年可能才会遇到致命空难。当然，这并不是说飞机绝对不会出事，而是说相对于其他交通工具，飞机的事故率要低得多。当你因为气流颠簸而恐慌时，其实是在用"这一个事件"来否定"几百万次安全飞行"这个大数基础。这正是忽略了先验概率的典型思维错误。
话又说回来，如果博格坎普不那么惧怕坐飞机，足坛历史可能又是另一番景象。
奥卡姆剃刀与汉隆剃刀
奥卡姆剃刀的本质是：如非必需，勿增实体。
世界各国的名人都说过类似的话：
老子说：大道至简
爱因斯坦说：凡事尽可能简洁，但不能太过简单
奥卡姆剃刀的精华在于，不要把事情想得太复杂。我们用最简单的例子来解释：
比如说两棵树倒下了，有两个可能的原因：
风把树吹倒了
有两颗陨石从天而降，每颗分别撞倒一棵树，并且最后两颗陨石相互碰撞，抹去了自己的痕迹
把树吹倒，它能满足的条件只有一个。
如果是两棵陨石从天而降，就要考虑至少四个原因：①有陨石掉落，②分别撞到一棵树，③相互碰撞，④抹去痕迹。四个条件都有一定的概率，如果四个条件的概率相乘的话，那么概率会越来越低。
所以最后你用什么原因来解释两棵树倒下？选择第一个是客观且理性的。
汉隆剃刀是美国人罗伯特·汉隆提出的。该法则告诉我们：能用愚蠢解释的，就不要解释为恶意。
也就是以善意来考虑人性，改善与他人的关系。
比如同事没有回复你的微信，可能他只是太忙忘了，而不是故意冷落你；朋友答应帮你忙但最后没做到，可能他真的遇到了困难，而不是故意食言。汉隆剃刀教会我们：先假设对方是善意的、或者情况是客观造成的，这比假设对方有恶意要好得多。
看，是不是呼应上了？
“方舟而济于河，有虚船来触舟，虽有惼心之人不怒；有一人在其上，则张弓而射之。”——《庄子・山木》
君子求诸己，小人求诸人。——《论语・卫灵公》
内部视角与外部视角
后验概率 = 先验概率 × 似然概率。那么我们是不是需要同时考虑两个因素？
实际上并不是。如果我们都开上帝视角，在考虑问题时，一定不要先入为主地使用内部视角——比如"我觉得这个项目怎么怎么样，有决心有团队有资金，一定能成功"。
还要考虑外部视角，即大数据下的经验。
我们需要跳出一个思维陷阱：除非你和一般人有显著不同，否则绝大多数情况下，在先验概率基础上做的调整会很小。也就是说——标准化的似然概率≈1。
大白话讲：你跟其他人并没有什么不同。
这就是为什么很多创业者明明条件很好、团队很强、资源很足，但最后还是失败了。不是因为你不够特别，而是从统计学的意义上讲，"你"和"其他创业者"并没有显著差异。你的似然概率和普通创业者的似然概率，差不多都是那个数值。
锚定效应
锚定效应是指当人们需要对某个事物做定量估测时，会将某些特定数值作为起始值。起始值像锚一样制约着最后的估测值，从而导致你在做决策时会忽略最初获得的信息，给予最初获得的信息过多的重视。
在砍价时经常会遇到这种情况：卖家最开始一定会给出一个极高的价格，以此作为锚点。如果基于卖家给出的这个锚点去砍价，那么你就上了他的套。应对方式是直接给出一个极低的价格，以拿回设定锚点的主动权，争取让交易双方在你设定的锚点上进行拉锯。
最近学了一个新词语，叫“做空闺蜜”，了解了这个含义以后，你会觉得此计甚毒。
A是一个各方面都很普通的女生，在与闺蜜的交谈中，故意透露自己当初结婚时，收了婆家30万彩礼，实际上只收了1万，相当于加了30倍杠杆。好家伙，这一说不要紧，B女生听了以后，心理就有一个锚定效应了，你A那么普通都可以收30万彩礼，那我至少也要30万吧。于是乎在婚恋市场，都会用自己30万的锚定效应来挑选，很多时候，有合适的男方，条件都不错，但一下子拿30万彩礼出来很困难，几次三番都未成功。如果A再有事无事在朋友圈里晒一晒恩爱，秀一秀幸福，那B女生可能会更加坚定自己的要求，等到发现真相的时候，就算想降低标准都很难了。
当然，以上也只是个例，如何破解这种锚定效应，那就必须得从实际出发，真正认识自己，了解自己真正的需求。不过还是那句话，知行合一是很难的，需要不断地修炼。
共勉。
贝叶斯视角下的人生决策
最简可行产品（Minimum Viable Product，简称MVP）：不能想着一步到位。最开始，一定要把一个不完美但可用的产品搞出来。然后在此基础上一步一步改进。"不完美，但可用"，这就是MVP的核心思想。
这其实就是贝叶斯思维的工程化应用——先把产品投放到市场，收集用户反馈（新证据），然后不断修正对市场判断（后验概率），而不是闭门造车、一步到位。
说得再多，不如动起来，不管是生活还是职场，都有极强的实践意义。
观点要根据新证据不断调整，并不是要让自己做一个骑墙派或者墙头草，这是你内心对事物的判断。为了避免让人误以为自己是个墙头草，其实平时应该养成的习惯就是保持沉默，适当闭嘴，低调做人，并且不断通过观察到的资料来调整自己的判断。
持续学习，让自己的知识边界越来越大，判断一件事物的时候就会有更多的信息来辅助自己的判断和决策。
做一个靠谱的人。
为什么说靠谱的人让人更加信任？
用贝叶斯定理来解释：如果A和B当中一定有一个是罪犯，A给人的感觉就是踏实靠谱，那大部分人都会自然而然倾向于认为B是罪犯。这不是偏见，而是贝叶斯定理带来的正常结果——因为A的历史记录（先验概率）支持他靠谱的判断，而新证据（有人犯罪）会调整这个判断，但不是调整到A身上。
靠谱是一种资产，它会让你在各种判断中获得"先验概率优势"。
最后，用一句话总结贝叶斯思维的精髓：
你相信什么并不重要，重要的是你别完全相信它。
这个世界充满不确定性，我们需要拥抱不确定性，拥抱风险，要用逐步消除不确定性来接近确定性，而不是用确定性来证明确定性。
评论