这两天有个热搜：女子每天喝咖啡，被老公拥抱时断了5根肋骨，“喝咖啡导致骨质疏松、容易骨折”的说法又翻出来了。

我自己每天喝四杯咖啡，刘德华一天二十多杯也没事。当然，个案不能当作证据，这件事本质是公众对概率的认知误区，正好可以用贝叶斯公式讲清楚。

定义两个事件：

- P(咖啡)：人群里经常喝咖啡的先验概率
- P(骨折)：人群里发生肋骨骨折的先验概率
- P(骨折|咖啡)：经常喝咖啡的人，发生骨折的条件概率 ← 这才是我们真正关心的指标
- P(咖啡|骨折)：已经发生骨折的人，回溯发现他平时爱喝咖啡的条件概率

绝大多数网友，就是把这两个条件概率搞混了！

关键点：P(咖啡)这个先验概率非常大，而P(骨折)本身是极小概率事件。

按照贝叶斯公式，哪怕我们看到一个骨折案例，倒查发现他有喝咖啡习惯，也就是P(咖啡|骨折)这个值看起来很高，并不代表P(骨折|咖啡)就高。

换句话说：
✅ 骨折人群里，爱喝咖啡的人占比很高
❌ ≠ 爱喝咖啡的人群，骨折风险就很高

这就是先验概率极端不平衡带来的经典认知错觉，也就是逆概率混淆（检察官谬误同类错误）。

延伸我的观点：

世界上的人大致分两类，真正理解概率论的，和不懂概率论的，这两类人看待世界的底层视角完全不同。

概率很多结论天然反常识，为什么？

因为人类进化过程中，祖先面对的都是小规模、直观可见的场景，样本量很小，各个事件的先验概率差距不大，直觉判断基本够用。

但是现代文明社会，大量场景是极端悬殊的先验概率：基础事件本身极罕见，但相关暴露因素非常普遍。

这时候如果继续沿用进化留下来的直觉去判断，就很容易出错，甚至犯大错。

热搜这个咖啡骨折案例，就是典型：把罕见事件的回溯特征，错当成普遍暴露因素的致病风险。

例如在最近的车辆事故安全讨论中，太多人属于不懂概率论的那群人，对我基于概率论的分析听不懂不接受，梗着脖子较劲，这早已经是常态了。