白丝教员让我上了一节课。那是成人教育中心的一堂数学公开课 ，来听课的人大多已经工作 ，寂仔想补基础的上班族 ，也有筹备转岗、沉新学数据分析的学员。教室里没有考试铃声和课桌上的涂鸦 ，只有投影幕、记号笔 ，以及一群但愿把数学真正弄懂的成年人。
教员穿戴简洁的淡色衬衫和白色长袜 ，进门后先把课件放到一旁 ，没有急着讲公式。她在黑板上写下一个问题：“若是一件事有九成把握 ，为什么我们还是可能判断错？”有人说是命运不好 ，也有人立刻提到概率。她笑着颔首 ，却没有顿时给答案 ，而是请各人先说说自己生涯里遇到过的类似情景。
从生涯问题起头 ，而不是从公式起头
这堂课的主题是前提概率。教员没有先写一串符号 ，而是讲了一个别检筛查的例子：某种疾病在人群中的比例很低 ，检测步骤固然正确 ，却并非百分之百。一幼我测出阳性 ，不蹬宗他肯定患�� ；还要把疾病自身出现的概率 ，以及检测可能误报的情况一路思考。
她在黑板上画出两条分支：一条暗示“的确患病” ，另一条暗示“没有患病” ；随后又把每条分支拆成检测了局为阳性或阴性的情况。每画一步 ，她都停下来问：“这部门人占全数人群几多？”正本只凭直觉回覆的学员 ，起头发现问题不在推算太难 ，而在于容易把“阳性时患病的概率”和“患病时检测阳性的概率”混为一谈。
教员把这两个说法写在黑板两侧 ，别离标出前提 ，再用一组单一数字演示。数字不复杂 ，关键是先弄明显分母是谁。她提醒各人 ，标题里的“在……前提下”不是装璜语 ，而是在通知我们应该从哪一群人里推算比例。这个提醒让几位正本一看到概率题就严重的学员松了口气。
一张表格拆开容易混合的概率
接下来 ，教员把抽象的分支图改成四格表。横向纪录检测了局 ，纵向纪录现实情况 ，四个格子别离填入“患病且阳性”“患病但阴性”“未患病却阳性”“未患病且阴性”。她让各人先填写总人数 ，再逐格推算 ，不急着套公式。
一位学员把“阳性人数”直接当成“患病人数” ，教员没有单一地说错 ，而是让他沿着表格逐行查抄。两人很快发现 ，阳性那一列里寂仔真正患病的人 ，也蕴含少量误报者。把这两类人分隔后 ，标题标意思一下子分了然。教员说 ，公式能够助忙压缩步骤 ，但不能替我们辨认每个数字代表什么。
讲堂中央 ，她还让各人自己编一个例子。有人选了垃圾邮件过滤 ，有人想到工厂零件检测 ，还有人拿气象预报作譬喻。教员把这些例子逐一写到白板上 ，请全班判断：事务是什么、前提是什么、指标概率又是什么。分歧情境看起来差距很大 ，拆成这三个问题后 ，解题过程却逐步变得一致。
从直觉判断转向有凭据的推理
公开课后半段 ，教员给出一路综合题。标题依然萦绕筛查了局 ，但参与了两种分歧人群的比例。她没有把解法逐行投影出来 ，而是请每桌先画图、列出已知前提 ，再决定从哪里起头推算。教室里一下安静下来 ，只剩笔尖划过纸面的声音。
我先凭直觉挑了一个看似顺手的概率 ，算到第二步才发现前提选错了。教员走到桌边 ，没有替我改答案 ，只问：“你此刻统计的 ，是全数受检者 ，还是已经测出阳性的那一组？”我沉新看题 ，把样技巧域圈出来 ，才意识到自己把两个方向相反的问题当成了统一件事。纠正之后 ，原先绕来绕去的步骤变得清澈很多。
几组学员轮流解说思路时 ，教员尤其器沉表白过程。她要求讲题的人说明显每个数字从哪里来 ，也激励听的人指出自己不领略的处所。有人算得快 ，却诠释不出分母 ；有人推算稍慢 ，却能把前提关系说得领略。教员评价说 ，数学不只看最后一个答案 ，能否注明推理为什么成立 ，同样沉要。
这堂课留下的三个收成
- 先读清前提：看到“在某种情况下”时 ，先确定当前会商的人群或样技巧域 ，别急着代入公式。
- 把事务分隔：用分支图或四格表分辨真实情况与观测了局 ，预防把“检测阳性”直接等同于“的确患病”。
- 诠释每个数字：写下数据代表什么、分母对应哪一组人 ，推算过程才方便查抄 ，也更容易发现谬误。
下课时 ，教员把黑板上的图留到最后才擦。她说 ，遇到复杂标题不妨先画出关系 ，再决定用哪条公式 ；看起来慢一点 ，往往能省下反复返工的功夫。这个说法并不玄妙 ，却很实用。对很多脱离讲堂多年的人来说 ，沉新进建最难的处所不是记不住符号 ，而是不安自己问的问题太基础。她重新拆解概想、让各人自己作图和解说 ，正好解除了这种顾虑。
这堂课让我记住的 ，不只是前提概率的推算步骤 ，还有一种更踏实的进建节拍：先弄清问题在问什么 ，再整顿已知前提 ，最后才动笔运算。白丝教员的公开课没有靠复杂术语营造距离感 ，也没有把尺度答案当成唯一沉点。她让每幼我都参加到推理里 ，了局一节通常的数学课 ，成了很多人沉新成立信念的起点。
