这里要谈到的就是自然取样的问题，是通过更新没有被人为，固定边界频率的事件的频率，而连续获得信息的，这种取样叫自然取样，就是看病过程中，大夫看病过程中，他看一个病人又看一个病人，一个一个病人，这种情况就是它的自然取样。
我们在讲到启发式策略的时候，其中有一个就代表性取样的问题，也是一个自然取样的特殊例子。
我们下面来看自然取样，和严格控制实验中的差别。
在严格控制的实验室研究中，边际概率都是事先固定的，这样我们要研究100个患病的人，我们选取的控制组就是100个没有患病的人，这是我们现在依然在遵循的一个规则。
我们做实验研究中，严格控制的实验研究中，边际的频率都是严格的先期固定下来的，这就不属于自然取样。
刚才讲的都是概率格式的问题，现在我们来看看所谓的频率格式是什么样的。
这个跟我们现实生活中非常吻合，这只是讲了一个例子，我们可以很容易想象出，这么一种情境。
有一个上了年纪，经验非常丰富的医生，处在一个文盲社会中，没有书籍，也没有统计调查，只能依赖他的经验来看病。
他的患者中有人染了一种，以前不为人所知的恶性疾病，但他发现有一种症状，可以表征这种疾病，但它不是很确定，他已经见过了1000个患者，1000个患者中有10个人，患有这种疾病，而在这10个人中有8个都有这种症状，另外990个人没有患这种病，但这990个人中，有95个人表现了这种症状。
现在又来了一个患者，他有这种症状，他患病的可能性有多大？
感觉比刚才还难，刚才还可以用贝叶斯公式套一套，现在他该怎么算了？
我们来看一下，身处文盲社会的医生，不需要袖珍计算器，也不需要考虑基础率，他需要的只是既有症状又患病的案例个数，和具有症状的案例个数。
前面那个个数是8，有症状，又有又确诊为患了病的是8，有症状这种个数在这1000人，患症的总就是有这种数8加上没有患病，但有症状的95个人，它只需要这三个数据，其实说起来是需要两个数据，他怎么计算？
得到的结果是相同完全相同的。
8除上（8+95），整数运算不超过两位数的，整数运算非常简单，明白这个意思吗？
我们来比较一下这两个方程式，差异是很明显的。
我们来分析一下，用频率格式来代替，概念格式是到底有什么样的优越性？
首先是计算简化了，计算需要这种简化，间接的方式，当信息以频率格式而不是以概率格式进行编码时，贝叶斯运算规则的计算变得非常的简单，方程式是2，比方式样，需要的完成的运算要更少，而且数一个是自然数，另外一个是小数或者百分数。
自然数的运算会更简洁一些。
第二个，是我们注意的需要，我们的负担心理负荷的需要，用频率格式代替概率格式进行贝叶斯推理，可以减轻注意的负担，我们只需要注意两种信息，d和h这两种信息就足够了，我们不需要处理所有的数据，只要有这两条信息就足够了，这两个信息就是击中和误报，他有症状也患了病，就是击中了，他有这个症状，但是没有患病，是误报，只需要这两个信息就足够了。
但这是频率，不是击中率和误报率。
网友评论