概率推断：不确定信息怎样更新判断

不是每项事实都能确定获得

星河玩具展有一个虚构材质检测器，用来提示卡片里的玩具是否属于特殊材质。提示可能误报，也可能漏报，因此不能把响了直接当成特殊材质这一事实。概率推断处理这种不确定信息：在已有比例与检测表现基础上，看到新证据后更新判断。概率不是拿一个百分数装饰答案，而是表达在某套信息与假设下的不确定程度；若基础比例或检测条件改变，更新结果也会改变。

先验与检测表现分别是什么

假设一百件虚构玩具里十件特殊材质，先验比例是百分之十。检测器对特殊材质有百分之八十会提示，对普通材质有百分之十误报。前一个条件概率描述已是特殊材质时出现提示的可能性，后一个描述普通材质也出现提示的可能性，它们属于证据生成的条件。看到提示后玩具是特殊材质的概率，是反过来的条件，不能直接照抄百分之八十。条件方向不同，是初学者最容易混淆的地方。

用人数表完成一次更新

在这一百件的教学例子中，十件特殊材质约有八件提示，九十件普通材质约有九件误报，所以提示组约十七件，其中约八件真正特殊。后验概率约为八除以十七，也就是百分之四十七。这里用期望数量建立直觉，实际小批次不必恰好出现这些整数。即使检测器对特殊材质的提示率较高，普通玩具数量多，误报仍能占提示组的重要部分。贝叶斯更新正是把先验比例与证据在不同类别下的可能性结合起来。

独立性与模型结构不能随便假设

如果两个检测器都依赖同一张模糊图片，它们的提示可能高度相关，不能把两次提示当成两份完全独立证据。概率图模型用变量与依赖关系组织联合分布，其中贝叶斯网络用有向无环图表达条件概率分解；图上的箭头并不天然证明现实因果。建模时必须说明变量代表什么、哪些条件独立假设可接受。错误独立假设会让后验看起来过分自信，即使每次算术都完全正确，结论仍可能误导。

把概率用于决定而非冒充确定

工坊可把高后验的玩具送去进一步核查，阈值取决于漏检与误报的后果，而不是把百分之五十当普遍正确界线。教学案例不处理真实身份或敏感数据，判断只影响虚构展览标记。应报告所用比例、检测表现与不确定性。若检测器换了场景，就要重新验证这些数字；模型预测概率也不等于新场景中的真实正确率。概率推断的价值是透明更新证据，不是消灭所有未知或让数字自动可靠。