核心内容总结
这篇文章用通俗例子解释了贝叶斯思维在决策中的关键应用：我们日常会下意识用贝叶斯思维（比如老司机调车距、巴菲特看公司），但在两种特殊场景下容易犯错——极端概率事件（极高或极低先验）和中等概率事件（无明显倾向的随机事件）。文章给出决策原则：极端先验要“顽固”怀疑新证据，中等先验要“善变”相信新证据，这不是性格问题，而是理性选择。
1. 贝叶斯思维其实很日常，巴菲特和老司机都在用
贝叶斯思维不是高大上的公式，而是“先有经验判断，再用新信息调整”的过程。比如：
- 巴菲特判断公司：先看了几千家优秀企业，心里有个“优秀公司长什么样”的经验（先验概率），再对比眼前公司的优缺点（新信息），下意识就得出结论；
- 老司机开高速：先根据经验定个安全车距（先验），再看前车速度、路况（新信息）调整车距。
大部分日常决策，我们都在无意识用这个逻辑——但遇到极端或中等概率事件时，直觉容易失灵。
2. 极端概率事件：别让单次“反常”推翻你的常识
极端概率指“本来就极可能发生”（比如40岁女性不得X癌的概率99%）或“极不可能发生”（比如患X癌概率1%）的事。这时，哪怕新证据看起来很“实锤”，也要先怀疑证据，而不是推翻原有认知：
- 癌症筛查的坑：40岁女性X癌患病率1%，筛查灵敏度90%（真病的人阳性）、假阳性9%（没病的人阳性）。第一次阳性，真患癌概率仅9.2%；第二次阳性，也才50%——因为“不得癌”是极端大概率事件，两次阳性还不够推翻，所以要第三次检查；
- 吸烟致癌的个案反驳：有人说“爷爷抽一辈子烟没癌”，但癌症本身是小概率事件，吸烟只是提升概率（不是把小概率变大概率），个案不能推翻“吸烟致癌”的科学结论；
- 涨停板指标的骗局：涨停股每天仅4%（小概率），“老师”的指标在涨停股里出现率高，但不代表能预测涨停——因为基础概率太低，指标再“准”也没用。
规则：极端概率下，新证据再显眼，先怀疑证据本身。
3. 中等概率事件：新证据比“直觉”更可靠
中等概率指“各选项概率差不多”（比如新用户性别50%、股票短期涨跌50%）的随机事件。这时，任何新证据都该改变你的判断：
- 推荐算法的逻辑：新用户性别未知（50%先验），只要浏览一次男明星八卦（女性特征内容），系统就会提高你是女性的概率；连续看孕期内容，概率会更高；但如果后来买男士用品，系统不会立刻改——因为此时“是女性”已变成极端大概率，要怀疑新证据；
- 股票短期涨跌的真相：短期涨跌大部分是随机（中等先验），每天找“涨因”“跌因”都是事后解释。比如中船特气上半年涨628%，但上涨天数仅57%——别纠结“连续下跌是不是利空”，要看驱动因素的新证据（比如行业政策、业绩）。
规则：中等概率下，任何新证据都值得重视，别被“直觉”（比如“跌多了该涨”）误导。
4. 证据强度有讲究：不同先验需要不同“说服力”
推翻一个先验概率，需要的证据强度是量化的：
- 中等先验（50%）：随便一点证据就改（比如新用户看一次八卦就调性别概率）；
- 极高先验（99%）：需要“百里挑一”的证据（比如癌症第三次阳性，概率才到91%；第四次阳性到99%）；
- 极小先验（百万分之一）：需要“百万级”证据（比如抛硬币连续10次正面，你该怀疑硬币有问题或在做梦，因为正常硬币出现这情况的概率是百万分之一）。
核心：极端先验需要累积强证据才能推翻，中等先验则对新证据更敏感。
5. 顽固还是善变？理性人看“概率位置”说话
顽固和善变不是性格，而是根据概率位置的理性选择：
- 站在极端概率（极高/极低）：要像礁石——浪打千遍不动（比如相信吸烟致癌，别被个案动摇；癌症两次阳性还要检查）；
- 站在中等概率：要像风中旗帜——每阵风都偏一偏（比如新用户性别未知，看一次内容就调整推荐；股票短期涨跌，看新驱动因素）。
弄错位置就会犯错：极端时善变=轻信（比如信涨停板指标），中等时顽固=冥顽（比如忽略新证据坚持“跌多必涨”）。
这篇文章的本质是：决策不是靠“直觉”，而是看“概率基础”+“证据强度”——搞懂这两点，就能避免大部分决策错误。