贝叶斯更新——失败只是更新了先验，不是你的终局
1763年，Richard Price在皇家学会宣读了一篇论文。作者已经去世三年了——一个叫Thomas Bayes的英国长老会牧师。
Bayes留下的手稿里有一个公式。Price看懂了它有多重要。他在论文的附言里写道："这个公式解决了一个古老的问题：从结果反推原因的概率。"
两百六十年后，这个公式几乎没变，但它改变的远远不止数学。
它改变的是一种思考失败的方式。
01 两个派别对"失败"的不同解释
先讲一个小故事。
你拿着一个硬币，抛了十次。九次正面，一次反面。
频率派统计学家说：p值=0.01，这个硬币显著不公——有99%的把握拒绝"硬币是公平的"这个假设。
贝叶斯统计学家说：嗯，我一开始相信大部分硬币是公平的（我的先验概率很高）。现在有了这个新数据，我把这个信念下调了一点——但我仍然不确定。因为数据量还太小。如果抛一千次还这样，我会彻底动摇。
频率派说：结果出来了，你下结论。贝叶斯说：结果出来了，你更新信念。
这两个派别的分歧，远不止数学。这是两种完全不同的"面对挫折的方式"。
频率派的世界是黑白分明的：p<0.05，显著，拒绝原假设。p>0.05，不显著，接受原假设。
贝叶斯的世界是流动的：你的信念是一个分布。每个新信息进来，分布变窄一点、移动一点。你永远不会"确认"一件事——你只是在不断更新。
如果你的职业生涯是一个统计模型——你是频率派，还是贝叶斯派？
02 公式不长，但改变很大
Bayes定理写出来就这么短：
讲人话：你在看到数据之前有一个信念（先验概率）。看到数据之后，你得到一个更新后的信念（后验概率）。
分母那个积分——在没有计算机的年代基本是一堵墙。贝叶斯自己在世时都没有发表这个公式，可能是因为他自己也算不出来。但概念比计算更重要：
- P(H)——先验。你在做任何事之前，对自己的判断。
- P(D|H)——似然。如果你是对的，这个结果有多大概率发生？
- P(H|D)——后验。看到结果之后，你重新评估自己。
没做过的项目、没谈过的恋爱、没接过的任务——你都有一个先验。它基于你的过往经验、你对自己的认知、你对自己能力的预估。
然后你做了。结果不好。失败了。
频率派：失败来了，结论出了，你是失败者。贝叶斯派：一个新数据点进来了，更新一下，继续。
03 失败不是结论，是输入
我们文化里对"失败"最大的误解，是把它当成了结论。
"这次晋升没通过，说明我不够好。"——频率派思维。一个数据点，一个结论。
"这次晋升没通过。我的先验是75%概率够格。新数据不支持这个先验。现在下调到60%。下次再来。"——贝叶斯思维。
区别在哪里？不是乐观和悲观的区别。是对信息的处理方式不同。
频率派把每次失败当成"假设检验"的全部样本，做显著性判断。贝叶斯派把每次失败当成序列中的一个点——后验变成先验，等待下一次观测。
你不是失败了，你只是更新了信念。
如果你这辈子只做一次假设检验——比如只面试一次——那一次的结果确实决定了你的命运。但绝大多数人的人生不是一次性的实验。你是无限次贝叶斯更新。只要你还活着，还在收集数据，你的模型就可以继续优化。
每一次面试被拒、每一封拒稿邮件、每一次项目翻车——它们共同的特点是：它们不是终点，是输入。
大多数人失败之后做了什么？重新评估自己的人生。下结论。把posterior变成终局。
贝叶斯在死后三年才发表了论文。他自己生前可能不知道，那个写在小本子上的公式，定义了"失败"这个词最体面的解释方式。
04 先验的力量
贝叶斯公式里，有一项最容易被忽略：P(H)——先验概率。
频率派常用"无信息先验"——假装你在看到数据之前什么都不知道。完全客观，完全中立。
但人不是这样的。你在面对一次面试、一个项目、一段关系之前，对自己的判断，是有信息的。你知道自己做过什么、擅长什么、不擅长什么。你有历史数据。
先验是你对世界的假设。放弃它，你就从一个有经验的人变成了一个随机游走的粒子。
很多人失败后最糟糕的反应，不是难过——是把先验清零。
"我以为我擅长这个，但被拒绝了，看来我什么都不擅长。"
这是把自己的信息抛掉了。你应该做的，是温和地调整那条曲线——不因为一次不顺利就全盘否定，不因为一次顺利就过度自信。
贝叶斯的优雅之处在于，它不需要你假装坚强。它只需要你相信：信息可以更新，但不需要重置。
如果一定要选一句话送出去：
你之前的判断不需要因为这一件事而完全推翻。你的新判断不需要因为这一件事而万劫不复。更新一下，继续生活。