基础成功率
拿创业来说，是一个多因素变量：
- 创业者个人能力（有没有创业经验、踩过坑、带过团队）
- 行业特性影响（行业集中度、巨头对产业链的掌控度、行业是否面临重大变革）
- 各种政策影响（是否符合国家战略方向、地方是否有扶持政策、是否收到各种政策制约等）
- 其他意外状况（如重要员工任性离职、程序员删库跑路等）
取值范围：0<基础成功率<100%
整体成功率
多次尝试，至少有一次成功的概率。
举个例子，抽奖的基础成功率为20%，连续抽2次，如果把两次尝试中只有一次成功的概率成为整体成功率，那么抽奖中奖的整体成功率为：1 - 2次都没中 = 1- 0.8*0.8 = 36%
所以，创业也是一样，你坚持、不放弃的次数越多，你的整体成功率就越高。
没有绝对的成功，整体成功率不会为100%，那么在20%的基础成功率下，尝试多少次才能让整体成功率大于99%？
答案是：21次
失败中提升自己
失败是成功之母，只要你能在失败中学习，不断的提高基础成功率，假设每次失败后基础成功率提高5%，基础成功率上限设置为50%（因为很大程度上由不可控的外部因素和条件来决定的）。
那么，你只需要坚持、不放弃10次，你的整体成功率就达到了99.44%
stay hungry：求知若渴，不断学习，提高基础成功率
stay foolish：虚心若愚，不断尝试，提高整体成功率
正确的事情重复做
整体成功率 = 1 - （1- 基础成功率）^ 尝试次数
- 正确的事情：能提高基础成功率的事情
- 重复做：增加尝试次数
贝叶斯公式
P(A｜B) = P(A) * P(B|A)/P(B)
P(A｜B): 后验概率，（在观察到事件B后，事件A发生的概率）
P(B∣A): 似然概率（在事件A发生的条件下，观察到B的概率）
P(A): 先验概率，（未观察到B时，事件A的初始概率）
P(B): 边缘概率（事件B发生的总概率，通常通过全概率公式计算）
P(B|A)/P(B)：调整因子
贝叶斯公式的本质是动态更新信念：
- 先验知识：P(A)：基于已有经验对事件A的初始判断。
- 新证据：P(B∣A)：通过实验或观测获得的新数据。
- 后验概率：P(A∣B)：结合先验知识和新证据后的修正概率。
公式的哲学意义：人类认知和科学推理的本质是不断用新证据修正原有假设。
举例：
公司商品转换率：100个用户看到商品详情页有2个用户购买，P(A) = 2%, 已知的所以叫先验概率。
活动B：商品详情页换成国风样式，那么基于国风样式的转换率就是P(A|B), 需要验证下P(A|B)是否比P(A)效果好呢。
实验结束后，找数据P(B|A)为在成交的商品中，有多少详情页是使用了国风样式的，计算出来，例如P(B|A) = 56.25%
也算出P(B) = 向用户展示了商品详情页中有多少是国风样式的 = 1个国风商品详情页/4万商品详情页 = 25%
P(B|A)/P(B) = 56.25%/25% = 2.25
最后来看实际的转换率效果： P(A|B) = 2% * 2.25 = 4.5%，效果正向提升。
总结
真正的高手每天都在用贝叶斯定理不断复牌，改进自己的流程，从而总结出那些大概率会带来成功的事情，也就是正确的事情，然后通过重复做这些正确的事情，最终获得巨大的成功，这就是“正确的事情，重复做！”
