概念进阶代表性偏差与基础比率启发法与判断偏差
贝叶斯基础比率
也叫：先验概率、base rate
某类别在总体中所占比率，无信息时的判断依据。
核心讲解
基础比率指某一特定类别在总体中所占的比率。汤姆问题中，人文与教育专业的基础比率就是该专业学生占全体学生的比例；在缺乏汤姆具体信息时，按基础比率判断是最合理的方法——既然人文与教育招生规模最大，汤姆读该专业的概率就最大。贝叶斯定理（以18世纪英国神甫托马斯·贝叶斯命名）详细说明了如何根据证据更新信念：最强烈的信念（基础比率）应与证据分析结合。例如，相信3%的研究生读计算机科学（基础比率），又相信汤姆是该领域研究生的可能性是其他领域的4倍，那么贝叶斯定理要求你相信汤姆是计算机科学家的概率是11%；如果基础比率是80%，新概率就是94.1%。作者总结两点：第一，基础比率十分重要，即便已有案例证据；第二，通过分析证据得到的直观印象通常被夸大。纠正方法：以相对合理的基础比率判断结果可能性，同时质疑你对证据的分析。
费曼版：用大白话再讲一遍
基础比率就是“先看看大盘子有多大”。一个专业招的人多，随机抽的学生就更可能来自它——这是没别的信息时最靠谱的判断。贝叶斯定理说的是：先记住大盘子，再用新证据微调，而不是让一条新证据把大盘子全忘了。可惜人一看到具体描述，就把盘子扔了。
要点
- 基础比率是类别在总体中的占比。
- 无具体信息时，按基础比率判断最合理。
- 贝叶斯定理要求基础比率与证据结合更新信念。
- 基础比率即使有案例证据也依然重要。
常见误区
- 以为有了具体描述就可以忽略基础比率，贝叶斯定理说两者必须结合。
- 以为“证据很直观”就准确，直观印象通常被夸大。
- 把基础比率当可选项，它应是概率判断的起点。