---
title: 概率统计学重要模型
tags:
  - module
  - interdisciplinary
  - probability
  - statistics
  - joplin
type: module
source_type: reconstructed
created: 2026-04-25
updated: 2026-04-25
---

# 概率统计学重要模型

> [!abstract]
> 本模块用概率、贝叶斯更新、基准率和统计思维处理不确定性。它的价值在于减少直觉误判，而不是追求确定答案。

## 模块结论

- 很多判断错误来自忽略基准率，只盯个案证据。
- 贝叶斯公式提供了“先验 + 新证据 = 后验”的更新框架。
- 概率思维要求区分高概率、低概率、高收益、低收益和样本偏差。
- 它与 [[统计学习方法]]、[[金融学重要模型]] 和 [[回到真实世界]] 关系紧密。

## 核心模型

- 基准率：判断个案前先看总体比例。
- 贝叶斯更新：新证据改变信念强度，而不是直接给出绝对真相。
- 假阳性与假阴性：检测结果必须结合基础概率解释。
- 期望值：把概率与结果大小一起纳入决策。

## 复习提问

- 我是否忽略了总体基准率？
- 新证据到底有多强，足不足以改变原判断？
- 这件事是高胜率低收益，还是低胜率高收益？

## 来源

- [[raw/Joplin/学科工具箱/学科12：概率统计学重要模型_笔记/学科12：概率统计学重要模型_笔记.md]]

## 相关页面

- [[跨学科工具箱]]
- [[统计学习方法]]
- [[金融学重要模型]]