周六没有课。
林宇在宿舍的旧书桌前坐了一整个上午。
桌面上摊着几张A4草稿纸，上面密密麻麻写满了公式和推导过程。
省级教学创新成果展示还有三周时间，他必须准备一堂足够惊艳的公开课。
系统之前返还的金融数学知识里，包含着大量的概率与统计学内容。
但那些知识是以金融应用为导向的，偏向量化模型和风险对冲。
他现在需要的是更广谱、更底层的概率论知识。
这意味着他要在下周的课堂上，找到一个极具冲击力的切入点来教授概率论，以此触发系统的新一轮知识返还。
他在草稿纸上列出了三个备选方向。
医学诊断中的贝叶斯定理。司法判决里的检察官谬误。人工智能底层的朴素贝叶斯分类器。
三个方向，三个极其生活化且颠覆认知的案例。
林宇的笔尖在第一个方向上画了一个重重的圆圈。他选定医学诊断作为开场。
他在纸上写下一行字：一个人去医院体检，某项癌症指标呈阳性。仪器检测的准确率是百分之九十九。那么这个人真正得癌症的概率是多少？
普通人的直觉回答，肯定是百分之九十九。
林宇在纸上画了一个树状图。
左边分支是百分之九十九的检测准确率，右边分支是这种癌症在人群中万分之一的基础发病率。
他把两个数字代入公式相乘，再除以总的阳性概率。最后得出的结果是0.0098。
不到百分之一。
这是一个极其违背人类直觉的数字。
大部分人看到检测报告上的阳性结果，天就塌了。但数学逻辑清清楚楚地告诉你，天塌的概率其实极小。
这就是贝叶斯定理的威力所在。它在提醒所有人，不要只看眼前出现的单一证据，要结合事物本身的底牌去判断。
他要把这个案例扔在课堂上，足够让全场学生哑口无声。
桌上的手机突然震动起来。屏幕亮起，是苏晚发来的微信消息。