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]]