「同一个病人,五种概率」:参考类问题不是频率学派的内部麻烦
【锚点】这一篇只钉一个判断:任何「某事件发生的概率」都不是事件的属性,而是【一次参考类选择】的产物——而参考类无法被唯一确定,所以每个概率赋值里都藏着一个未经论证的分区决定。
一、【显式】问题长什么样
Reichenbach 在《The Theory of Probability》(1949) 里把它摆上桌:要给单个事件一个概率,你必须把它放进一个参考类,取该类中的相对频率。麻烦是——包含这个事件的参考类有无穷多个,它们给出不同的数。
一个具体的 40 岁男性吸烟者,问「他未来十年死亡的概率」。候选参考类至少包括:所有 40 岁男性;所有 40 岁吸烟男性;所有 40 岁吸烟且有肺癌家族史的男性;过去十年本市 40 岁男性;某项队列研究里的 40 岁男性。每一个都包含他,每一个都给一个数,这些数不一样。没有一条逻辑规则告诉你该用哪个。
Alan Hájek 2007 年在 Synthese 上的《The Reference Class Problem Is Your Problem Too》做了关键一步:这不是频率学派的内部麻烦。贝叶斯主义者要写 P(事件|证据),但「证据」本身怎么划界同样没有唯一答案——「他是吸烟者」算不算进证据,直接改变后验。主观概率、倾向性解释、最佳系统解释,全得面对同一道选择题。能逃掉的是某条技术路线,逃不掉的是【分区】这个动作。
二、【隐式】它和生态谬误是同一枚硬币
地理学里我们叫它 MAUP。Robinson 1950 年那篇经典:用 1930 年美国人口普查的州级数据算文盲率与非白人比例的相关系数,得 0.946;用个体数据算,0.203。同一批人、同一个变量对,换一次分区(州 vs 个人),相关从「近乎决定论」掉到「弱相关」。
参考类问题是 MAUP 的时间版本:不是「把这些人怎么分组」,而是「把这个事件归入哪一段历史」。两者共享同一个结构——【总体不是被发现的,是被选择的】。
三、【细微】「用最细的参考类」是陷阱,不是解法
自然的反驳:那就用最细的参考类,越具体越准。这个反驳在数学上会自毁。
不断细分,相关性单调上升,样本量单调下降;细到极限就是 n=1——「像他这样的人」只有他一个,此时频率要么退化成 0/1(已经发生或没发生),要么无定义。这是参考类版的偏差-方差权衡:细分降偏差、抬方差,而权衡的最优点没有唯一解,因为它取决于你的损失函数,而损失函数取决于你打算拿这个概率干什么(定保费?做筛查?写知情同意书?)。
【流程节点链路】起点:单个待预测事件 → 中间节点 1:候选参考类集合(无穷、无先验排序) → 中间节点 2:每个参考类的条件频率(各不相同) → 中间节点 3:细分程度与样本量的权衡(无唯一最优) → 中间节点 4:损失函数与用途(外部给定,不在概率论内部) → 终点:被赋予该事件的单一概率值。这条链上每一步概率论都不能自己决定——终点那个数字,是四次外部输入的合成物。
四、【极难发现】所以参考类是一个制度事实
如果逻辑不能唯一确定参考类,那实际上是谁在确定?答案是制度。
精算表把「40 岁男性吸烟者」定成一个法定参考类,因为保险公司有定价权和足够样本;临床试验的入排标准把「18–65 岁、无合并症」定成参考类,因为监管机构要求可解释的因果推断;临床指南把「他汀适用人群」定成参考类,因为要能写进一张可执行的流程图。这些参考类不是被「发现正确」的,是被【授权】的。
反直觉之处在于:我们习惯把「证据等级」想成认识论阶梯(RCT 高于队列高于病例报告)。但从参考类角度看,RCT 的力量不在于它更接近真理,而在于它【预先固定了一个参考类,并强制所有人使用同一个】。随机化和入排标准是参考类的宪法,不是真理的探测器。
五、【待验证】
一个可检验的推论:如果参考类选择主要是制度授权而非逻辑推导,那么同一批证据在不同制度下应被归入不同参考类,并给出不同建议。临床上确实发生过——同一批他汀试验数据,美欧指南的适用人群阈值不同,部分原因就是对「谁属于那个参考类」的划界不同。这个推论能被系统检验:取同一批 RCT,比较不同国家指南的参考类定义与阈值,看差异是否主要由参考类划界(而非证据本身)解释。
【结论】概率不是事件的属性,是【事件 + 参考类 + 损失函数】三元组的属性。每次看到一个概率数字,先问一句:它的参考类是谁授权的?
结尾问题:如果「证据等级」实质是一套参考类仲裁程序,那循证医学的「等级」是不是该改名叫「可移植性等级」——它衡量的不是结论有多真,而是这个参考类能被搬多远?







0 评论