根據官方數據，原住民孩童在15歲生日前亡故的比例是非原住民孩童的2倍。

唯一不同的是，她只需要藉著無言的離去，就能把所有人都傷害了。眾人正齊心合力地籌備即將上演的音樂劇，成瀨終於有機會在舞台上高唱自己的故事。

不過，那不是王子的坂上，並沒有打算配合成瀨的演出。然後岡田麿里是這樣回答的——因為故事尚未完結。它提出的可能性是這樣的：如果一直都是受傷害的那人，到最後卻成為了加害的一方的話，會發生怎樣的事情呢？ 故事的轉折也寫得有點狗血。而前來找她的，也確實並非她命中注定的王子——但這樣的坂上，卻能為成瀨帶來真正的拯救。另一個則以歌聲，讓男孩明白到音樂並非只會帶來關係上的破滅，而是也可以為別人帶來希望。

這個灰暗版本的故事，是成瀨原本寫下的，最終並不會在舞台上上演。在音樂劇將要上演的那一夜，成瀨意外地在走廊上，聽到了坂上與他的前女友仁藤在爭吵。若無知是福，已知則為己任。

我會傾向相信別人對我說的任何話，又無法自然而然從訊號及暗示推論出真正意涵，所以我需要可以克服這缺點的技巧。貝氏定理協助我們將所知的一切納入考量：若運用得當，可以順利將已知事件及由證據推得的結論化圓為方，完成看似不可能的事——暴露出原有假設中可能的缺陷以及所蒐集資料的限制。亞斯人對於遇見的人，沒有先決條件也沒有先入之見：都是以全新的眼光看待每個人。換句話說，情況一變化，你對於各種機率的估價也會產生變化。

以投擲硬幣為例，已知事件大概包含受試者投擲硬幣的技巧，以及他們可能做了什麼不為人知的事情，影響投擲結果。換句話說，貝氏定理教導我們利用證據來改善假設，也利用假設來改善使用證據的方式。

假若真的想了解對方，則必須仔細觀察，找出對方話語與真義之間的差別，他們快樂或難過時如何表現，躲到自己的樹洞時又是代表什麼（可能是出現問題的警訊，也可能真的就只是想要個人空間）。你說要先梳理目前的證據，但這樣不是和科學研究背道而馳嗎？不是說要讓證據自行呈現結果？這個嘛，確實沒錯，如果假設歪七扭八，解讀證據也會七橫八豎。貝氏論道，不要只蒐集資料、提出線性結論，還必須參考對該情況所知的一切，放在更廣大的情境下檢視。你說要在這段蜜月期、期望值很低的時候？這正是蒐集所有證據的最佳時機，之後鐵定派得上用場。

同樣重要的，不僅是我們如何運用事先對情境的了解來解決機率問題，還有取得新證據時如何修正假設。此稱為條件機率（conditional probability），即依據已發生或仍可能發生的事件，判斷特定結果的機率。文：卡蜜拉・彭（Camilla Pang） 機率與同理心：貝氏定理 一段關係開始萌芽時，還真的算是容易照顧，只要你不會因期望沖昏頭而忽略現實狀況，不妨好好享受這種質樸單純的愉悅。我無論何時接觸到新關係、新環境、新工作，只要面對新事物，就會運用貝氏定理來探索各種不確定，調整自己，以利融入不熟悉的文化與慣例，努力排除自己的偏見，認真偵查，不僅依據自己仔細塑造的偏好，也依據似乎能代表此新系統的準則，好好過活。

與朋友或另一半的爭執很虐心沒錯，但自己腦中的狂風暴雨閃電雷鳴，才真正叫做虐心。蒐羅愈多證據，必須向對方付出的同理心就會快速疊高。

當然，貝氏定理的另一個推論是，因為事前假設會影響解讀證據的方式，兩人很可能會有兩種方式檢視同一個問題。一段關係中，這階段似乎最能恣意做自己，但其實我們更應該多加摸索注意——到了最後，必定會獲得回報。

對此，貝氏 [1] 定理（Bayes theorem）一直是我信賴的夥伴。我們必須同理另一半，知道表面上這種一目了然可能根本高深莫測——若彼此獲得的認知、判斷、經驗皆迥異，出發點本來也就迥然。大家有時會說一段關係太舒服了，因為雙方不用再對彼此付出適當的關注，但真要說的話，若對彼此付出適當關注，似乎也算是太舒服。我的腦袋必從各種可能的角度考量，總得加班處理所有相關資料，因此成了壓力鍋，煮東西煮到溢出來，但一點警訊也沒。頭幾次約會堪比單細胞生物，後來，你愈來愈認識對方，這單細胞也開始分裂，構造愈見複雜。任誰都會覺得這可能是夢魘，但若模稜兩可並非你的強項，你又會把所有聽到的完全以字面解讀，尤其是個夢魘。

我上大學時，甚至還拋下亞斯人的噩夢，跑去夜店：沒有任何一位小蜜．彭曾去過的地方，是最深鬱、最漆黑之處。古典統計分析是由蒐集的資料推論出機率，舉例來說，硬幣是正面還是反面的機率，是根據實驗中投擲的樣本數，但貝氏分析沒那麼簡單，是從一連串的事前假設開始，利用已知事件作為條件來計算機率。

有時候我真的別無選擇，只能將一些在腦中用力敲擊的雜音釋放出來，用頭敲桌子、尖叫發抖、繞著圈圈跑，光是存在這個世界上，對我來說都是壓力，所以做什麼都好，只要能釋放一些壓力出來，都好。我也會利用貝氏定理來管理我人生中最為波濤洶湧的關係：與自己的關係。

對方說「好唷，沒關係」代表「當然不要」，你一開始沒意會過來，是真的沒關係，但一段時間後，對方就慢慢不忍了。例如，貝氏分析有助於判定醫學篩檢的誤差：正確率可能百分之九十九的檢驗，並不代表檢驗為陽性後就有百分之九十九罹病的機率，而我們會知道這點，是因為事前就知道偽陽性的盛行率。

此定理是機率理論的一項分支，說明如何使用蒐集而得的證據來推論出不同情況可能的發展。不過貝氏定理也具備一股簡單但令人信服的力量：提升我們的眼界，突破狹隘又有時間限制的資料集，讓我們拓展視野，將問題放進容易又注定受忽略的情境下考量大家有時會說一段關係太舒服了，因為雙方不用再對彼此付出適當的關注，但真要說的話，若對彼此付出適當關注，似乎也算是太舒服。若無知是福，已知則為己任。

就是在這種時候，在我們應該要了解對方的時候，開始了真正的偵查工作，必須解讀微小的訊號、半暗示，甚至是全然的靜默。貝氏論道，不要只蒐集資料、提出線性結論，還必須參考對該情況所知的一切，放在更廣大的情境下檢視。

以投擲硬幣為例，已知事件大概包含受試者投擲硬幣的技巧，以及他們可能做了什麼不為人知的事情，影響投擲結果。有時候我真的別無選擇，只能將一些在腦中用力敲擊的雜音釋放出來，用頭敲桌子、尖叫發抖、繞著圈圈跑，光是存在這個世界上，對我來說都是壓力，所以做什麼都好，只要能釋放一些壓力出來，都好。

我上大學時，甚至還拋下亞斯人的噩夢，跑去夜店：沒有任何一位小蜜．彭曾去過的地方，是最深鬱、最漆黑之處。蒐羅愈多證據，必須向對方付出的同理心就會快速疊高。

一段關係中，這階段似乎最能恣意做自己，但其實我們更應該多加摸索注意——到了最後，必定會獲得回報。例如，貝氏分析有助於判定醫學篩檢的誤差：正確率可能百分之九十九的檢驗，並不代表檢驗為陽性後就有百分之九十九罹病的機率，而我們會知道這點，是因為事前就知道偽陽性的盛行率。文：卡蜜拉・彭（Camilla Pang） 機率與同理心：貝氏定理 一段關係開始萌芽時，還真的算是容易照顧，只要你不會因期望沖昏頭而忽略現實狀況，不妨好好享受這種質樸單純的愉悅。我無論何時接觸到新關係、新環境、新工作，只要面對新事物，就會運用貝氏定理來探索各種不確定，調整自己，以利融入不熟悉的文化與慣例，努力排除自己的偏見，認真偵查，不僅依據自己仔細塑造的偏好，也依據似乎能代表此新系統的準則，好好過活。

換句話說，貝氏定理教導我們利用證據來改善假設，也利用假設來改善使用證據的方式。我會傾向相信別人對我說的任何話，又無法自然而然從訊號及暗示推論出真正意涵，所以我需要可以克服這缺點的技巧。

此稱為條件機率（conditional probability），即依據已發生或仍可能發生的事件，判斷特定結果的機率。當然，貝氏定理的另一個推論是，因為事前假設會影響解讀證據的方式，兩人很可能會有兩種方式檢視同一個問題。

我的腦袋必從各種可能的角度考量，總得加班處理所有相關資料，因此成了壓力鍋，煮東西煮到溢出來，但一點警訊也沒。不過貝氏定理也具備一股簡單但令人信服的力量：提升我們的眼界，突破狹隘又有時間限制的資料集，讓我們拓展視野，將問題放進容易又注定受忽略的情境下考量。