格格党

手机浏览器扫描二维码访问

第八章 适应纷繁复杂的信息社会的更新机制（第2页）

另一方面，当通过朋友了解到同行的熟人是“公司的同事”

时，就会发生与上面完全不同的更新。

根据这一信息，可以完全排除熟人是公司外人士的可能性。

不仅如此，假设朋友公司的男女比例为4∶1，你就应该使用这一比例更新自己的推论。

在两种概率相加为1的前提下，男女的比例关系就应该是0.8∶0.2。

你的推论自然应该发生更新，从“那位熟人是女性的概率为50%”

变为“那位熟人是女性的概率为20%”

。

如果总结起来，这种更新的方法具体是由下述步骤构成的：

第一步：获取信息。

第二步：根据信息，排除不可能出现的事件的概率。

第三步：关于不能排除的剩余事件的概率，重新变更比例关系。

第四步：根据修改后的比例关系，计算条件概率。

下面，我们试着将上文提到的具体实例套入四个步骤中。

首先，当获取的信息为“那位熟人是女子大学的同班同学”

时：

第一步：获取“那位熟人是女子大学的同班同学”

的信息。

第二步：排除是男性的概率。

第三步：在剩余概率中，男女比为0∶1。

第四步：在上述信息的前提下，那位熟人是女性的条件概率为100%。

其次，当获取的信息为“那位熟人是公司的同事”

时：

第一步：获取“那位熟人是公司的同事”

的信息。

第二步：排除来自公司以外的人的概率。

第三步：在剩余概率，也就是公司内的同事中，男女比为4∶1=0.8∶0.2。

第四步：在上述信息的前提下，那位熟人是女性的条件概率为20%。

当然，这些推理都是建立在事先对朋友带来的熟人没有任何了解的前提下的。

比如，如果事先知道朋友总喜欢带男性的信息，那么条件概率也会随之发生变更。

顺便提一下，如果巧妙地使用这一方法，就会出现贝叶斯定理，也就是更新状态。

贝叶斯定理是18世纪的数学家托马斯·贝叶斯提出的关于更新的方法论。

在19世纪末20世纪初费希尔和内曼构建了现代统计学之后，贝叶斯推理就被完全遗忘了。

将这一理论重新挖掘出来并带入人们视野的是此前多次提到的沙万奇。

沙万奇认为对于统计学而言，贝叶斯定理是非常重要的。

沙万奇通过自己的方法重新激活了这一理论。

他构建了主观概率理论，明确了贝叶斯定理的意义。

在此后的50年中，统计学面临的大环境发生了重大变化，现在许多统计学家都将贝叶斯定理奉为基本理论，倍加重视。

但是，关于贝叶斯定理，本书并未涉及更多内容。