第4章 条件概率与贝叶斯更新：递归的自我修正

第4章 条件概率与贝叶斯更新：递归的自我修正 一、一张快照是不够的 上一章结束时，我们得到了结构 S——一组用 μ、σ 这样的数字概括了大量观察的静态快照。它回答了「这个变量大致长什么样」，却回答不了另一类更有用、也更常见的问题： 我已经观察到了某件事，这件事发生之后，我对另一件事的判断，应该如何改变？ 医生已经看到了化验单上的一项异常指标，他对「病人是否患病」的判断，理应和没看到这份化验单时不一样。工程师已经听到了轴承发出的一声异响，他对「设备是否即将故障」的判断，理应比昨天更谨慎。如果结构 S 只能给出一个固定不变的静态描述，它就永远无法回应这种「新信息进来之后，认知应该跟着动一动」的需求。这一章要处理的，正是这个缺口——而它的……