贝叶斯分析方法与三人成虎
于德浩
2019.7.21
贝叶斯分析方法,是在基础信息之上,综合新进信息,进行修正。也就是,在信息不完全的情形下,根据先验概率与已知部分信息,去推断后验概率。
举例,某市出租车蓝色占比15%,绿色占比85%。出现一次交通事故肇事逃逸,在没有其他信息时,我们认为,是蓝色出租车的概率仅是15%。后面,我们又得到一个信息,有目击者称看到的好像是蓝车。显然,“是蓝车”的概率就要比原来推测的15%更高。如果,我们假设新消息的准确度是80%,那么具体的贝叶斯分析就是,0.15*0.8/(0.15*0.8+0.85*0.2)=0.41,也就是“是蓝车”的后验概率提高为41%。
人脑的快速处理就是一种简易的贝叶斯分析,只不过会把表象都看成是真象。比方说,三人成虎。集市上出现老虎的概率也就是1%,小概率事件,一般认为不可能发生。但是当第一个人说“集市上有老虎”,我们就默认为这个消息的可靠度是90%,所以后验概率就提升为,0.01*0.9/(0.01*0.9+0.99*0.1)=0.083。 也就是,即使我们认为这个人说的是真的,但是,由于基础概率太小,所以总的后验概率还是远小于50%,一般人都不会相信“集市有老虎”。
当第二个人说“集市还真有老虎”时,我们人脑也是默认这个可靠度是90%,再次修正后的后验概率就是,0.08*0.9/(0.08*0.9+0.92*0.1)=0.439。不过这仍然小于50%的质变结论。
当第三个人说“真有老虎,真的”,我们人脑也是默认这是真象,可靠度是90%,所以三次修正的后验概率就是,0.44*0.9/(0.44*0.9+0.56*0.1)=0.876。这个综合概率要大于50%,引起质变,所以,大部分普通人此时就相信,“集市上真出现老虎了”,小概率事件还是发生了。
贝叶斯分析方法是没有错的。比方说,我方心腹侦察员报告,“集市出现老虎”,这个可靠度就是100%。 贝叶斯计算结果,后验概率就是0.01*1/(0.01*1+0.99*0)=1,也就是100%的概率,集市上真出现了老虎。
无意义的干扰信息,与没有新信息的影响结果是一样的,在数学上就是概率各占50%。比方说,一个疯子信口胡言,“集市上有老虎”。 如果看成是干扰信息,我们认为概率是50%,所以,在干扰信息的修正下,后验概率是0.01*0.5/(0.01*0.5+0.99*0.5)=0.01,还是与先验概率相等,保持不变。
不过,怎么辨别新信息是干扰信息还是实质有效信息,这就是仁者见仁、智者见智。一般人脑的简易处理就是笼统的认为都是有效信息。所以,大部分普通人都是容易被蛊惑的。
当然,如果一个人意志过于坚定,完全不考虑新信息,就会被称为固执、认死理,不能从谏如流。最后,结果也是坏的。
在具体处事上,我们应该先有明确的基本原则、基本认识;然后再对新信息明辨真伪,来修正我们的已有观点。如果很难确定新信息的真假,我认为,应该看成是干扰信息,忽略掉。朝令夕改不好。