芒格原话
第一手出处 · 逐字引文"我相信掌握他人已经发现的最好成果的纪律。我不相信坐在那里试图自己把一切想明白。"（"I believe in the discipline of mastering the best that other people have ever figured out. I don't believe in just sitting down and trying to dream it all up yourself."）
查理·芒格（本页引文出自芒格第一手出处）
原典解读
忠于原典 · 卡片化定义：条件概率与基础比率，英文 Conditional Probability Base Rates——从数学和统计学里长出来的思维模型。专治人类判断里那个最常见的毛病：无视先验概率，被表面证据带跑偏。出租车问题是教科书级的演示材料：直觉给出的答案和正确答案差得离谱。
核心论述：把出租车问题掰开看。一座城 100 辆出租车，85 绿 15 蓝——这就是"基础比率"：没听证词之前，随手一指是蓝车的概率只有 15%。让目击者挨个认：15 辆蓝车里约 12 辆被认成"蓝"、3 辆看走眼成"绿"；85 辆绿车里约 68 辆被认成"绿"、约 17 辆被冤枉成"蓝"。所有被指为"蓝"的 29 辆里，真蓝的只有 12/29 ≈ 41%。坑在基数：辨识率 80% 不低，但绿车是蓝车的 5.7 倍，20% 的误杀落在绝对数上（17 辆），压过了蓝车被认对的数量（12 辆）。这就是基础比率的统治力：事件底子越稀，证据再准也翻不了盘。大多数人栽就栽在完全无视 85 对 15 的分布，死盯目击者证词这条"新证据"——卡尼曼和特沃斯基点名的核心 bug：人类系统性无视基础比率（base rate neglect），对具体、生动、手边的信息毫无抵抗力。
定义：芒格式铁律——先问"这类事总体成功率多少"（页面 §02）。
核心论述：碰任何具体案例，先别钻细节，退一步问个更大的：这一类事情，总体成功率多少？不是这家公司行不行，是这类公司通常行不行；不是这个 CEO 故事多燃，是这类 CEO 的平均战绩如何；不是这次投资逻辑多顺，是这类投资的历史回报怎样。这习惯反人性——人的认知系统天生只追具体、生动、手边的信息；进化给的是台"故事处理器"，不是"频率计算器"。听创业者激情路演，大脑自动切系统一：快、情绪化、吃叙事；基础比率这种抽象统计，根本进不了系统一的门。但切到系统二会发现：基础比率的预测力，通常吊打任何一条具体信息。
定义：条件概率的正向用法——芒格的投资框架长什么样（页面 §05）。
核心论述：用条件概率的语法重写芒格。第一步，从基础比率起手：美股上市公司里，未来 20 年能维持 15% 以上资本回报率的，恐怕不到 5%；先验就这么冷：随手抓一家，它是"伟大企业"的概率约 5%。第二步，拿具体特征往上加：品牌护城河够宽吗？有网络效应吗？管理层分钱的手艺过硬吗？每条硬证据都把概率往上推——5% 推到 20%、40% 甚至更高。第三步，永远别推到 100%：条件概率的框架自带刹车——判断永远是概率的、永远可能错；证据再齐，基本面可能变天、竞争格局可能重写、管理层可能犯浑。第四步，剩下的不确定性用安全边际兜底：分析指向"大概率优秀"，也只在价格留足垫子时才出手。这框架漂亮在谦逊：不追求标准答案，只求比多数人更系统地处理概率。大多数投资人要么无视基础比率（"这家不一样！"），要么被一条生动信息俘虏（"CEO 采访说得太有远见了！"）。光是养成"先看基础比率"的习惯，已经跑赢九成同行。
场景：每天要做判断的时候（页面 §06）。
步骤：1. 先问"大数怎么说"——看到任何具体案例，第一反应不是分析它，而是问：这类事情历史上成功率多少？让基础比率先入场。2. 再看证据往哪边推——基础比率是起点不是终点，具体证据用来微调；证据越硬，调的幅度越大；但起点永远是基础比率。3. 警惕"这次不一样"——每次想说这句话时，停三秒，问一句：有什么硬证据证明这次真不一样？没有，就老老实实接受基础比率。4. 给罕见事件打折——目标越稀有，阳性信号越要打折；体检阳性、投资"信号"、创业"风口"，先问基础比率再激动。
避坑：别拿基础比率当算命——它给的是起点概率，不是命运判决；"九成创业公司会死"不等于你别创业，等于你清醒着进场。
如果你不考虑基础概率，你会犯可怕的错误。（页面 §09："让我们回到芒格的那句话：'如果你不考虑基础概率，你会犯可怕的错误。'"）
扩展阅读
真实案例 · 与 L1 隔离TSA 安检——一万次报警中只有一次是真的 日常案例 / 历史事件
TSA 安检号称 99% 检出率、1% 误报，听着很靠谱。但基础比率是百万分之一：100 万乘客里 1 个恐怖分子，99% 检出得 0.99 个真报警；999999 个普通人，1% 误报得约 1 万个假报警。真恐怖分子只占报警的 0.01%——一万次报警一次真。不是系统不行，是底子太稀。
罕见病诊断——为什么反对无症状人群大规模筛查 日常案例
医生说检测"非常准确"，但对你意味着什么，全看疾病的基础发病率。发病率十万分之一时，检测再准，阳性结果里真病人的占比也低得可怜。这就是为什么不主张给无症状人群大规模筛查罕见病：查出来的"阳性"大概率是虚惊一场，还附赠一轮焦虑、复查和过度治疗。
投资中的"信号"——70% 准确率的技术指标 商业案例
分析师说某技术形态出现后股价上涨"准确率 70%"，听着很美。但得先问：这形态多久出现一次？如果一年出现 200 次，70% 意味着 140 次涨、60 次跌；可要是大盘本身 65% 的日子都在涨，这 70% 几乎没增量信息。脱离基础比率谈"准确率"，就是耍流氓。
"这家创业公司不一样" vs 90% 的基础失败率 商业案例 / 历史事件
硅谷名言："这家公司不一样。"每个被路演打动的投资人，心里都会冒出这句话。但基础比率冷冰冰：约九成创业公司会死。"不一样"可能是真的，但举证责任在你这边——拿不出硬证据，就老老实实按九成失败率来定价、定仓位、定心态。清醒着进场，不等于别进场。
Sally Clark——检察官谬误与无辜者的代价 历史事件
1999 年英国律师 Sally Clark 被控谋杀两个婴儿。专家称两子皆死于 SIDS 的概率是 7300 万分之一，陪审团被震住后定罪。但错两处：同家庭风险相关，独立性假设不成立；更致命的是检察官谬误——法庭要 P(无辜|两子皆亡)，得用"母亲连杀两子"更低的基础比率。她坐三年冤狱才无罪释放。
九个关联模型的互见网络 跨模型互见
贝叶斯定理（条件概率与基础比率是贝叶斯更新的两大输入）、大数定律（基础比率的靠谱程度取决于样本量）、样本量与统计功效、检察官谬误（P(A|B) 与 P(B|A) 的混淆）、辛普森悖论（分组结论与整体结论打架）、均值回归（极端表现之后大概率向平均靠拢）。
三条反直觉，三条边界。反直觉一：要查的东西越罕见，阳性结果越不靠谱——检测准不准，不只看准确率，还得看目标有多稀有；越稀有，阳性越可能是虚惊。反直觉二：基础比率常常比手头证据更准——多数预测场景里，大数定律给的信息量碾压任何一条具体线索；正确姿势是"拿基础比率打底、再用证据微调"，不是反过来。反直觉三：专家也照栽——医生误读化验单的研究显示，专业训练并不能让人自动免疫基础比率忽略，穿白大褂的照样算错。边界一：参照类选错了全白搭——"创业公司"和"YC 孵化的创业公司"给出的基础比率天差地别，类划错了，起点就是歪的。边界二：真·独一无二的事件，基础比率帮不上大忙——评估从没出现过的新技术，历史没有参照系，得靠第一性原理硬想；不过"多数新技术达不到早期吹的高度"这条粗糙比率，依然值得放在桌上。边界三：比率不是命——知道"九成创业公司会死"不等于别创业，等于清醒着进场：准备更足、风险更敬畏、对自己的判断更谦卑。
基础比率是谦逊的数学化。创业者无视九死一生的大数，把身家押在"自己不一样"上；投资人无视新模式的历史存活率，把养老钱扔进热门概念；医生无视疾病的真实发病率，被一张阳性化验单吓到过度治疗；陪审员无视犯罪的基础概率，被一个漂亮的统计数字忽悠着冤枉好人。病根同一个：人太容易被手边鲜活的信息俘虏，忘了退一步看更大的统计背景。条件概率真正教的，是智识上的谦卑：眼前的案例再特殊再抓眼球，它都属于某个更大的类；那个类的统计规律，大概率比你的直觉、热情、乃至专业分析更接近真相。不是你笨，是基础比率背后站着成千上万个案例的集体经验，而你只有一双眼睛、一个脑子、一段有限的人生。
芒格的工具箱里，基础比率是压舱石。他引用过那句老话：手里只有锤子，看什么都像钉子；他的解法是随身带一箱子工具。面对任何具体案例先调基础比率——这把"锤子"不是用来敲钉子的，是用来防止你被生动的故事敲晕的。先看大数，再看个案，顺序不能反。