贝叶斯定理
Bayesian Theorem
理论认知更新的数学法则，将信念修正为基于证据的概率推理
核心定义
贝叶斯定理是描述条件概率关系的数学公式，其核心在于通过新证据持续修正先验信念，形成后验概率的迭代过程。这一概率推理框架将主观信念与客观数据有机结合，在不确定性中构建动态认知模型。
渊源与演变
由18世纪英国牧师托马斯·贝叶斯提出，后经拉普拉斯系统化发展。从最初的统计推断工具，逐步延伸至机器学习、神经科学乃至决策心理学领域，成为处理不确定性的通用思维框架。
全人视角
在全人四维疗愈法视角下，贝叶斯更新映射了意识进化的微观机制：每个当下都是对过往认知偏差的修正机会。通过正念觉察收集身心证据，持续更新对自我、对世界的理解，实现从固着信念到流动智慧的转变。
整合寄语
明日晨起，留意第一个闯入脑海的预设判断。尝试为它寻找一个反例，感受信念系统在证据面前的微妙调整——这便是贝叶斯定理在你意识中的鲜活实践。
延伸阅读：维基百科：贝叶斯定理