你面试了一家心仪的公司,出来后估计拿到 offer 的把握大约两成。几天后 HR 打电话问:“你最快什么时候能入职?”你的心跳加快了。这条消息该让你把概率提高多少?关键不在于它“听起来是不是好消息”,而在于它对“会录用”和“不会录用”两种情况的区分度。
什么是似然比
似然比 = 如果事情成立,出现这个证据的概率 ÷ 如果事情不成立,出现这个证据的概率。
假设在最终拿到 offer 的人里,60% 会被 HR 问入职时间;在没拿到的人里,也有 20% 会被问到(HR 也会顺口问问)。那么似然比 = 60% ÷ 20% = 3。
- 似然比 大于 1:证据支持“成立”,越大越强。
- 似然比 等于 1:两种情况下一样常见,毫无信息量。
- 似然比 小于 1:证据支持“不成立”。
用比值来更新
把概率写成“成立 : 不成立”的比值,更新就只需要一步乘法:
新比值 = 旧比值 × 似然比
- 起点 20%,也就是 1 : 4。
- 乘以似然比 3,得到 3 : 4,换回概率就是 3 ÷ 7 ≈ 43%。
- 后来 HR 又问了你的期望薪资,假设这条证据的似然比是 2,并且和上一条互不重复:3 : 4 变成 6 : 4,即 60%。
回头看 3.1 节的筛查:敏感度 90%、误报率 9%,似然比 = 90% ÷ 9% = 10。先验 1% 即 1 : 99,乘以 10 得到 10 : 99,约 9.2%,和 1000 人方格算出的一样。
下面的更新链里,依次加入几条证据,看看每一步概率怎么变化。
这里是交互演示「似然比更新链」:在预测训练营 App 里可以亲手拖动、实时看到结果。
两个常见错误
- 把“听起来相关”当成强证据:面试官很客气?他们对每个人都客气,似然比接近 1,几乎不该改变判断。
- 重复计算:三篇新闻都引用同一个消息来源,只能算一条证据。只有彼此独立的证据,才能连续相乘。
证据的强度看似然比:问一句“如果我错了,这个证据出现的可能性有多大?”