貝葉斯定理如何為上帝的存在分配機率？
哥倫比亞大學應用數學副教授克里斯·威金斯提供了以下解釋
18世紀，托馬斯·貝葉斯牧師首次將任何事件的機率（假設相關事件已經發生）表示為兩個事件各自獨立發生的機率以及兩個事件同時發生的機率的函式。
關於支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。 透過購買訂閱，您將幫助確保未來能夠繼續講述關於塑造我們當今世界的發現和思想的具有影響力的故事。
以下面的例子為例。一位病人去看醫生做檢查。醫生知道他所做的測試有 99% 的可靠性——也就是說，99% 的病人測試呈陽性，99% 的健康人測試呈陰性。醫生還知道，只有 1% 的人口是病人。現在的問題是：如果病人測試呈陽性，病人患病的機率是多少？直覺的答案是 99%，但正確的答案實際上是 50%。貝葉斯定理將給定陽性測試結果時患病的機率 p(s|+) 與在患病的情況下獲得陽性測試結果的機率 p(+|s)，以及一般患病機率 p(s) 和獲得陽性結果的一般機率 p(+) 聯絡起來。（最後一種機率的計算留給讀者。）在這種情況下，貝葉斯定理可以寫成 p(s|+) = p(+|s) × p(s) / p(+)。
在定量建模中，準確資料的重要性對於此處提出的主題至關重要：使用貝葉斯定理來計算上帝存在的機率。（貝葉斯本人從未將他的定理與該主題聯絡起來。）目前，對宗教的科學討論是一個熱門話題，最近出版了幾本反對有神論的書籍。其中一本是《上帝錯覺》（Houghton Mifflin，2006 年），牛津大學教授理查德·道金斯專門反對使用貝葉斯定理來分配上帝存在的機率。
道金斯反對這種用法，並非因為他懷疑貝葉斯定理的真實性，而是因為他認為將人類經驗轉化為數字本質上是一個主觀過程。評估上帝存在可能性的貝葉斯方法包括列舉可能的結果（善、惡、宗教啟示等的存在），並在假設上帝存在或不存在的情況下確定它們的機率。還必須表達對上帝存在的先驗信念——如果沒有任何來自我們經驗的資料，我們將分配給上帝存在的機率。道金斯指出，這些數字無法定量確定，這使得貝葉斯定理在這種嘗試中毫無用處。然而，在有可用資料的應用中，貝葉斯定理幾乎是所有統計建模的核心，並且是具體思考不確定性的關鍵工具。
當你修剪某些毛髮時，它們如何知道要長回來？
—C. 西班牙，紐約市
賓夕法尼亞大學皮膚科醫生、頭髮和頭皮疾病專家喬治·科察雷利斯回覆：
修剪皮膚表面的毛髮不會影響它們的生長，因為表面以上的毛髮是死的。
我們身體上可見的毛髮從皮膚內的活毛囊中長出。所有這些毛囊都經歷所謂的毛囊週期，該週期分為三個階段：生長期、退化期和休止期，分別稱為生長期、退行期和休止期。在生長期，毛囊底部或球部細胞的快速增殖導致不斷產生從皮膚表面長出的毛髮纖維。（毛囊透過在生長期停留不同的時間來產生不同長度的毛髮。）在生長期結束時，這些產生毛髮的細胞開始死亡，進入退行期。在回退死亡幾周後，毛囊在休止期休息幾周甚至幾個月。然後，一個新的較低的毛囊從休止期毛囊中的幹細胞再生，生長期重新開始。舊的毛髮纖維隨後脫落——通常在你梳頭時——當新的毛髮取代它時。那些看起來“知道”在修剪後長回來的毛髮只是恰好在你剪掉它們時處於生長期。