thinking-probabilistic

概率思维

核心规则： 用数字和范围表达信念，而不是凭感觉。以基准率为锚点，结合明确的似然进行更新，并通过拆解因素来界定未知量——绝不编造虚假的精确度。

适用场景

• 真实值不确定的时间、工作量或结果预测。
• 变更、迁移、部署或上线的风险评估。
• 任何你即将给出一个自认为无法确知的确定单一数字的时刻。
• 出现新证据，需要调整先前估计时。

不适用场景

• 该量可以测量或查到——直接测量或查询。
• 整个合理范围内的决策都不变——跳过估算，采取行动。
• 没有真正可参考的类别，而你只能编造基准率——将其标为猜测，而非经过校准的预测。
• 你只需要一个二元判断门槛，而且已有决定性观察——不要徒增形式。

流程

1. **定义可核验的主张：**结果 + 时间范围 + 单位。尽量使用可证伪的陈述，而不是模糊措辞（如“可能”）。
2. **锁定先验并质疑它：**指出参考类别的基准率，以及至少一种可信的替代路径／假设及其概率。除非写明偏离的具体理由，否则将先验拉向基准率。接着陈述基于证据、足以证明你选定的先验或范围有误的最有力论据，并说明它支持什么估计；如果这一反例经得起检验，就据此修正。将模糊词语转换为数字（例如，“可能”≈ 65–80%）。
3. **给出范围，而非单点：**至少给出一个置信区间（优先提供 50% 和 80% 置信区间）。假定自己过度自信；如果外部视角薄弱，就扩大区间。
4. 有新证据时，按先验 → 似然 → 后验进行更新：
   • 先验赔率 = p / (1 − p)。
   • 似然比 LR = P(E|H) / P(E|¬H)。LR > 1 支持 H；LR = 1 表示噪声；LR < 1 则削弱 H。
   • 后验赔率 = 先验赔率 × LR（即使 LR < 1 也要相乘）；p = 赔率 / (1 + 赔率)。
   • 与 1 的距离对应的强度等级：弱 ≈ 1.5–3×；中等 3–10×；强 10–100×；决定性 100×+。
   • 昨日的后验是今日处理下一条证据时的先验。对于罕见事件，从基准率开始——即使出现鲜明的正面案例，大部分概率仍然属于误报。
5. 用费米估算界定无法测量的量（仅当你需要一个无法测量／查询的数量级时）：
   • 拆解：数量 = 因素₁ × 因素₂ × …（或各组成部分之和）。
   • 为每个因素设定范围；估算数量级时使用一位有效数字的几何平均数。
   • 相乘；报告“约为 X，误差在 3–5× 以内”；检查 10× 的误差是否会改变决策；将任何实际上可以查询的因素替换为查询值。
   • 如果这个数字很容易测量、决策要求的精度高于约 3–5×，或每个因素都是纯粹臆测，就跳过费米估算。
6. **给出供核验的最终估计：**包括主张、范围／置信区间、关键不确定性，以及能证明主张错误的观察结果。当剩余范围内的决策稳定，或下一步更新需要你尚未掌握的新证据时，就停止。

输出

1. 主张——带时间范围、可证伪的陈述。
2. 先验——基准率、替代路径、调整理由、最有力的反例，以及最终先验概率。
3. 范围——置信区间（而非单一数值）。
4. 更新——每条证据一行：先验、LR（或明确的启发式 Δ）、后验。
5. 费米估算界限（如使用）——因素乘积和“约为 X，误差在 N× 以内”。
6. 决策影响——若真实值处于范围低端与高端，决策将如何变化。

验证

• **证伪／停止：**如果你说不出基准率、替代解释或有力的反例，就应将估算标为猜测，而不是经过校准的估算。如果在整个取值范围内决策都不变，就停止估算。如果有新证据出现，但数字没有变化（或变化时没有 LR/Δ），就重新计算。
• **防止过度应用：**不要把可核查的事实包装成概率，不要虚构参考类别，也不要对可以测量的量进行费米分解。对于不确定性达 5 倍的乘积，不要报告三位有效数字。对于罕见事件，若没有基准率先验，就不要因为一次令人印象深刻的案例而从低概率骤然跳到近乎确定。