熊野

思维工具箱贝叶斯更新

A14

贝叶斯更新

Bayesian Updating

用新证据按可能性调整假设可信度

类型 · 思维模型分类 · 判断与决策

这是什么

先有不确定判断、持续获得证据时，用先验与「证据在假设成立/不成立时多常见」更新后验，而不是在相信与不相信间跳变。勿把 P(E|H) 当成 P(H|E)；同一新闻多次转载不是多份独立证据。

示意图

先验 × 似然 → 后验 先验 P(H) 如 20% × P(E|H) vs P(E|¬H) 80% / 10% → 后验 ≈67% 调行动 提高优先级 ≠ 已证实因果

什么时候用 / 别用

该用

  • 判断故障源、渠道质量、需求或延期风险需逐步调可信度
  • 有历史或同类案例可作先验
  • 要把更新结果连到行动门槛

别用

  • 把似然当后验
  • 重复非独立证据当多次更新
  • 凭空编精确百分比制造科学感

怎么做

准备：互斥清楚的假设、可比案例先验；证据在 H 与非 H 下的出现可能性；与决策相连的行动门槛

  1. 定义事件与时间范围，避免模糊表述
  2. 说明先验来源与不确定范围
  3. 问：成立时证据多常见？不成立时呢？
  4. 更新可信度，记来源与是否重复证据
  5. 转为行动：续查、小投或停止，而非只追百分比

交付：先验—证据—后验记录、输入范围、行动门槛与待补证据

一个例子

假设示例 · 产品

【假设示例】固件致障先验 20%；该类日志在有问题时 80%、无问题时 10%。见日志后验≈66.7%。提高排查优先级，仍不能直接宣布因果成立。

容易踩坑

  • 混淆 P(E|H) 与 P(H|E)
  • 非独立证据重复计
  • 后验置信≠干预有效

出处：概率论中用证据更新信念的贝叶斯思路