有必要学下“概率”，为什么？
尽管提到这三个字会不自觉地把它往“赌博”上靠拢，可要知道，概率的知识能够帮助人们避开不确定的风险甚至保全财产损失，不妨我们来看几个场景：
如果你知道35岁会因失业难找工作，会做什么来应对那天的到来？这次创业失败亏的一地鸡毛，回到开始那天你会避免什么？
打卡晚于标准5分钟会被罚款50元，今天早晨你肯定不会多睡那10分钟，是不是？
这种类型的问题还有很多，如“爬山前，天气预报说降雨概率只有1/3结果你还是被幸运抽中”；种种问题怎么办？很多人会说怕失业赶紧积累、失败及时止损、迟到大不了下次不犯等。
其实这种成本很高，毕竟世界上也没有“后悔药”；因此自身就要跟随发展增加做一件事的概率权；它是什么？
从广义来说，概率是种机会或机遇，它是把“时间”发展当做固定线，以此作为横轴来研究某个随机现象的数量规律，采用不确定性推理或逻辑归纳的方式最终让自身未来成功的权重增加。
如果不懂它很容易做出一些坏的决定，小事还能谅解但那些人生大事就不是“原谅”如此简单的问题了
实际上，概率不仅是定义这么简单，偶然性和不确定性的概念像文明本身一样古老。
我们也不得不应付天气、食物供应和环境或其他方面的不确定性带来的困扰，那就无解了吗？并不是。自身可以根据事件形成过程中的概率值来进行利弊衡量。
谈论概率值之前，不妨先思考下“什么时候需要用到“概率计算”或者说“概率思维”？其实它出现在各种“大小场合”，只是没有被人们所重视过。
比如：炒菜放多少盐，早晨几点起不会迟到，多久达到机场不会误机等；一旦被正式提起，为什么就会让人有复杂化的感觉呢？
一方面最直观折射它不是「可确定性」的事件的变量，另一方面代表「成功或失败的几率」。
这背后其实阐述的人掌握的信息面不同，对确定性的预测也不同，因此会产生三门悖论（Monty Hall problem）的错觉。
也就是说，自身所接受的信息会习惯基于已知来融入对某个概念的理解或融合加工后，对别人阐述，最后就显得复杂化；反之假设你掌握全部信息，那一切都是确定的自然也就很容易精准回答。
概率论的基础“概率空间”刚好能回答此问题，它是什么呢？
具体的说，概率的公式定义指定一个三元组（Ω，F，P）。
一个总测度为1的空间是（Ω=1），其中Ω是样本空间，F是事件域，P是定义域为F、值域为「0,1」的一个集合函数，满足非负性、规范性可列可加性三个条件。
我想你看到公式肯定我一样头疼，对不对。
总而言之就是，当你获得的信息改变了，概念空间的ó-代数F也随之改变，而概率测速P也变成了相对的概率测速，最终自身得到的概率也就变了。
举个例子：
告诉你某个同学的学号是23542，问他/她的性别多少？关于此人信息除学号外，其他完全无知的，那么你只能得到一个概率，50%可能是男生，50%可能是女生对不对。
要是你聪明点，知道第七次全国人口普查后男女比例分别是51.24%和48.76%，那么你能得到更精准点的答案，51.24%他是男的。
如果我告诉你点额外信息，这个人叫王翠燕，并且你能知道中国名为（翠燕）的人中90%为女性，也许你可以得到一个更准确的答案，10%的概率为男。
可以看出随着你的信息量变多，我们对同样的问题给出的概率变化也是不同的，在大千世界中，不论是创业投资还是日常工作，我们是怎么进行判断的呢？
根据研究主要分为两种类型：
1）基于信息（information-based），2）基于数据（Based on data）
- 先说前者：
假如现在掏出一枚硬币抛到空中，正面朝上的概率有多少？我想多半的人会说50%对不对？真的是这样吗？未必；虽然结果偏差不大，但判断方式却有天壤区别。
不妨来看，这枚硬币把它抛到“空中”受力是不均匀的，因为你不知道抛出者会使用多大力气在某一面；也就是说，你认为它虽然只有正反两面但实际得到的结果并不是均值。
因此可以得出，“我知道得到正面的概率是50%，但这好像不公平”，所以，依赖人的信息状态（经验）做出的认知决策，它被称为“基于信息”的判断，代表的是大体客观，但不会绝对准确。
现实的案例就是，日常工作中绝大多数决策也是依靠“信息客观性”来进行决策，有时概率为什么会很低呢？
这源于信息本身的“准确性不高”或者“判断参考维度狭义”造成的，易导致一听就懂，一做就错。
或者说，我们看到别人创业按照此方法论就能成功，为什么自己去尝试时发现问题如此之多呢？我们只关注了表现，而忽略内在动态因素。
