贝叶斯定理：对于一件事情，我们可以先估计一个概率，然后在做这件事情的时候，根据新的信息和反馈来调整原先的估计，从而得到更准确的概率判断。
《日课180：用别人预测自己》中讲到这样一个案例：
美国有个年轻人叫布莱恩，得了一种罕见的血液病“骨质增生异常综合征”。他有两个选择①不采取治疗措施，还可以活5、6年；②做手术，如果成功可以恢复健康，但是手术非常危险。
这是一个非常艰难的决定，布莱恩首先考虑的是手术的成功率。一般这类手术的成功率，也就是“基础比率”，并不高。但布莱恩并没有简单接受基础比率。他反复追问医生，手术到底会出现什么样的并发症？每种并发症的危险到底有多大，是5%还是50%？他就发现医生其实也不是很清楚，他自己不得不深入研究。这一深入，布莱恩就获得了一个洞见。手术成功率的基础比率，是所有医院，对所有患者做手术的总的统计结果。那么相对于基础比率，布莱恩可以有两个优势。
第一，大多数做骨髓移植手术的病人都是60岁以上的老人，而布莱恩只有28岁。
第二，骨髓移植手术在世界各地的医院进行，有些医院每年做300例很擅长这个手术，有些医院每年做30例并不擅长做这个手术。如果布莱恩去全美国最擅长骨髓移植手术的医院做这个手术，显然能提高成功率。
通过这两点布莱恩发现自己的成功率比基础比率要高的多，最后他判断应该做手术。在好不容易找到匹配的骨髓后，他进行了手术，并且非常成功。
概率不是固定值，而是动态值。你的不断努力会提高自己成功的概率。
*网上有这样一个段子：写作业，写了又不一定考；考了，又不一定能毕业；毕业礼，又不一定能找到工作；找到工作了，又不一定能娶得到老婆；所以，干嘛还要写作业呢？
这段子听起来逻辑很对，但写这段子的人不懂概率。他不知道，对大概率事件的持续投入，大概率事件发生的可能性会极大的增加。（如果你做某件事情的成功率只有10%。坚持10次，成功的概率就高达65%）
