概率是对随机事件发生可能性的度量，是数学概率论的基本概念。概率通常用0到1之间的实数表示，0表示不可能事件，1表示必然事件。概率思维是指在面对不确定性时，用概率的方式量化和评估各种可能性，而不是追求确定性的判断。它要求人们认识到世界本质上是随机的和不确定的，决策应基于对不同结果概率的估计，而非非黑即白的判断。
概率思维（Probabilistic Thinking）要求我们承认不确定性，用「有多大可能」代替「会不会」。它包含三个层次：基础概率（贝叶斯先验）、条件概率（给定信息下的更新）、期望值（概率 × 结果的加权平均）。
核心机制：大多数人在确定性世界里训练出非黑即白的思维——「会发生」或「不会发生」。但现实中几乎所有决策都在不确定中做出。好的决策者不追求「每次都正确」，而是追求「概率上占优」——即使单次失败，长期重复也能赢。这就像赌场：每一局都可能输，但只要赔率对自己有利，长期一定赢。
期望值思维：一个决策的价值 = 每种可能结果 × 其发生概率的加权平均。创业成功率 10%，但成功回报是投入的 100 倍，失败损失是全部投入——期望值 = 0.1 × 100 - 0.9 × 1 = 9.1，为正，值得做。反过来，一个 90% 概率赚 1 万、10% 概率亏 100 万的决策，期望值 = 0.9 × 1 - 0.1 × 100 = -9.1，即使大概率赚钱也不该做——因为小概率的致命亏损会毁掉你。
尾部风险是概率思维最容易出错的地方。小概率高影响事件（黑天鹅）不能因为概率小就忽略——一次 1% 概率的破产事件，重复 100 次后发生概率高达 63%。塔勒布在《黑天鹅》中强调：真正的风险不在你预期的分布里，而在你没预期到的极端事件里。
基础概率（先验）的忽视是最常见的错误。一个人在地铁上读《经济学人》，他更可能是 PhD 还是高中学历？大多数人选 PhD，但高中学历的人口基数是 PhD 的几十倍——即使 PhD 读《经济学人》的比例高，基础概率决定了答案更可能是高中学历。
贝叶斯更新：新证据出现时，不是全盘推翻旧信念，也不是固守旧信念，而是根据证据强度调整概率。原来认为某件事 30% 可能，出现了一条支持证据，调整到 50%；又出现一条强证据，调整到 80%——这是渐进式更新，不是 0 到 1 的跳跃。
应用方法：1) 重大决策时列出所有可能结果并估算概率；2) 计算期望值，不只看「最可能的结果」；3) 特别关注尾部风险——小概率但致命的事件；4) 用贝叶斯思维更新观点，新证据来了就调整，不固执也不过度反应；5) 区分「概率低」和「不可能」——概率 1% 不等于不会发生。
常见误区：1) 把「大概率」当成「必然」——90% 的成功率仍有 10% 的失败可能；2) 忽视基础概率，只看个案的相似性；3) 只看收益不看概率，或只看概率不看收益大小；4) 赌徒谬误——认为「连续输了 5 次，下次该赢了」，但每次投掷都是独立的。
评论区