贝叶斯假设检验：像老侦探一样用证据更新判断

可视化演示

展示系统处理流水线、实时性能指标曲线及多方案对比分析，包含数据流转、吞吐延迟监控与方案评估。

基本框架：先有怀疑，再看证据

陈默刚接手案子时，手上没有法医报告，也没有监控录像。他和同事会先围着报案人问一圈，心里给几个可能的嫌疑人排个序：常惹事的邻居嫌疑大一些，路过的外卖员嫌疑小一些。这种在数据进来之前就存在的怀疑，就是先验。贝叶斯假设检验的第一步，就是把这种主观但合理的判断写成一个概率分布，放在假设身上。

在统计术语里，假设不再叫“嫌疑人”，而是 H 和参数。H 是我们想比较的命题，θ 是命题内部的具体参数，比如某款药的平均疗效。数据 D 则是现场收集到的线索。贝叶斯公式就像陈默的工作手册：把先验 P(H) 和线索的似然 P(D|H) 叠在一起，得到更新后的后验 P(H|D)。这里的似然可以理解为“如果这个假设是真的，我们有多大概率看到眼前的证据”。

陈默合上笔记本时，脑海里的“嫌疑人概率表”已经更新过一轮。他并不需要清空过去的经验，只需要让新证据在旧判断上叠加。这就是贝叶斯假设检验和传统统计最不一样的起点。

概率比：谁比谁更可疑

陈默很少说“A 的嫌疑是 60%”，他更喜欢说“A 比 B 可疑三倍”。这种相对说法在办案中更实用，因为现场证据通常不会告诉你绝对概率，只会改变两个嫌疑人之间的相对差距。贝叶斯假设检验里，这种相对差距就是概率比，也叫 odds。

先验概率比是数据进来前两个假设的怀疑度之比，后验概率比是数据进来后的怀疑度之比。陈默每收到一条线索，都会做一次乘法：新的相对怀疑度 = 旧的相对怀疑度 × 这条证据对两个假设的支持倍数。这条倍数性质的更新规则，让整个推理过程像是滚雪球一样清晰，每一步都看得见证据如何改变了天平。

陈默在案情板上写下两个名字，中间画了一个大大的乘号。每来一份新线索，他就更新一次乘号右边的倍数。概率比让他不必纠结“绝对概率是多少”，只要盯住“谁比谁更可疑”就能一直推下去。

贝叶斯因子：证据的重量

陈默收到一条脚印线索：鞋码 42，只有嫌疑人 A 符合。他并不会直接宣布“A 有罪”，而是会算这条线索对 A 有利多少、对 B 不利多少。贝叶斯因子就是这个“证据重量”：它是数据在两个假设下的似然之比，专门回答“这份数据更支持谁、支持几倍”。

当假设内部还藏着未知参数时，贝叶斯因子不能只取某个点的拟合效果，而要把所有可能的参数值按先验加权平均，得到假设下的边际似然。这就好比陈默不仅看 A 的完美自洽版本，还要看 A 在各种性格、动机、作案方式下的整体解释力。边际似然这种“平均表现”才是贝叶斯因子的核心。

陈默把贝叶斯因子当成一台“证据秤”，每条线索放上去都会有一个可读的重量数字：3 倍算“有点意思”，10 倍算“情况严重”。这种连续标尺比“拒绝/不拒绝”的二元答案更能帮助他判断哪一步值得继续追查。

模型选择：为什么复杂凶手反而不吃香

办案时，陈默最警惕“什么都能解释”的嫌疑人。有人声称自己是精神病患者、雇了同伙、还有不在场证明的变体——这套复杂故事几乎能解释所有证据，但陈默反而觉得可疑。因为假设越复杂，故事里需要设定的细节就越多，先验概率被摊得很薄，真实碰中数据的整体概率不一定更高。这就是贝叶斯模型选择里的“自动奥卡姆剃刀”。

在模型选择中，每个模型 M_i 就像一套破案剧本。边际似然 P(D|M_i) 是剧本对所有台词和细节的平均解释力。复杂剧本虽然能编出更多和证据吻合的桥段，但因为可讲的故事太多，每个具体故事被先验赋予的概率很小，平均解释力反而被稀释。贝叶斯因子在比较两个模型时，会天然地给过度灵活的复杂模型打折扣。

陈默最终更相信那个只需三句话就能讲清作案的嫌疑人，因为简单的剧本一旦与证据吻合，这种吻合就特别有分量。贝叶斯模型选择也遵循同样直觉：在不必要的时候，别把案情想得太复杂。

计算挑战：高维现场难以手算

陈默年轻时只看三四个物证，现在案卷里可能有几百份监控片段、手机定位和 DNA 报告。嫌疑人故事里的参数也从几个变成几十个，边际似然那个积分变成了一座高维迷宫，根本没法用纸笔计算。贝叶斯假设检验在真实应用中的主要瓶颈，就是怎么算出这些积分。

后验分布的分母正是边际似然，它把先验和似然的乘积在整个参数空间上求和。参数一旦变多，这个积分要么没有解析解，要么计算量巨大。幸好现代计算让陈默多了一批“模拟助手”：MCMC 采样会不断在参数空间里游走，生成大量样本，用数值平均逼近那个积不出来的积分。

陈默不再奢望一眼看穿所有可能，他让模拟器在案情空间里反复探索，用大量抽样把“看不见的积分”变成“数得清的样本”。贝叶斯的优雅在数学里，可行性在算法里。

实际应用：从 A/B 测试到药物检验

陈默的老朋友做产品经理，正纠结新版页面是否真的比旧版好。传统做法跑一个 p 值：如果 p 小于 0.05，就说“显著”。但 p 值只回答“如果两组没有差异，看到这么极端数据的概率是多少”，并没有直接说“新版本更好的概率是多大”。换成贝叶斯假设检验，他们会先给两个版本相同的先验，然后看数据带来的贝叶斯因子，比如 BF=15，说明新版本对数据的解释力是旧版本的 15 倍。

药物有效性检验也类似。候选药和安慰剂各有一组治愈数据，我们希望知道“药效大于零”的后验概率是多少。贝叶斯方法会把历史试验信息写进先验，然后结合当前数据更新。这种做法的好处是，除了“是否有效”，还能输出“有效多少倍证据”的连续判断，直接帮医生和药监部门做风险决策。

陈默把案件报告交给检察院时，不再只写“存在显著差异”，而是写“支持新假设的证据约为 12 倍”。这样的报告能让人真正理解证据的重量，而不是对着一个临界值猜来猜去。

AI 应用场景

Python 演示

import numpy as npfrom math import lgamma, exp def log_beta_binom(success, fail, a, b):    return (lgamma(a + b) - lgamma(a) - lgamma(b)            + lgamma(a + success) + lgamma(b + fail)            - lgamma(a + b + success + fail)) def bayes_factor_beta_binom(succ_a, fail_a, succ_b, fail_b):    log_ml_h1 = log_beta_binom(succ_a, fail_a, 1, 1) + log_beta_binom(succ_b, fail_b, 1, 1)    log_ml_h0 = log_beta_binom(succ_a + succ_b, fail_a + fail_b, 1, 1)    return exp(log_ml_h1 - log_ml_h0) def prob_b_better_than_a(succ_a, fail_a, succ_b, fail_b, n_samples=200000):    rng = np.random.default_rng(42)    theta_a = rng.beta(1 + succ_a, 1 + fail_a, n_samples)    theta_b = rng.beta(1 + succ_b, 1 + fail_b, n_samples)    return (theta_b > theta_a).mean() if __name__ == "__main__":    succ_a, fail_a = 60, 940    succ_b, fail_b = 90, 910    bf = bayes_factor_beta_binom(succ_a, fail_a, succ_b, fail_b)    prob = prob_b_better_than_a(succ_a, fail_a, succ_b, fail_b)    print("Bayes factor BF10 = {:.2f}".format(bf))    print("P(B > A | data) = {:.3f}".format(prob))

1. def log_beta_binom(success, fail, a, b):计算 Beta-Binomial 模型的边际对数似然，避免直接乘出极小概率。
2. log_ml_h1 = log_beta_binom(...)假设 A、B 各自有独立转化率时，两个组数据的总解释力。
3. log_ml_h0 = log_beta_binom(succ_a + succ_b, fail_a + fail_b, 1, 1)假设 A、B 共用同一个转化率时，合并数据的解释力。
4. return exp(log_ml_h1 - log_ml_h0)把两个边际似然相减再取指数，得到贝叶斯因子 BF₁₀。
5. theta_a = rng.beta(1 + succ_a, 1 + fail_a, n_samples)从 A 组后验分布中抽取大量转化率样本。
6. theta_b = rng.beta(1 + succ_b, 1 + fail_b, n_samples)从 B 组后验分布中抽取大量转化率样本。
7. return (theta_b > theta_a).mean()用蒙特卡洛平均估计“B 优于 A”的后验概率。

常见误区

面试题