"現在好好的，管過去它做了什麼" vs 貝氏定理
"管過去它做了什麼"是絕對不對的觀念，不是只有政治而已，而是為人處世必須要小心萬劫不復的陷阱。
在數學或流行病統計上有一個叫做貝氏定理，應用在觀察一個人，#則相當於觀察他失去信任的過程。這觀念很重要，P(A)是我們認為這件事的可能性，稱為事前機率。「事前」是相對B事件還沒發生以前的看法。當B事件發生，便該根據B事件去重新修正對A的看法，得到事後機率P(A|B)
舉例，假設今天大家對某位政治人物充滿信心，P(A)=0.8，認為他有八成的機率是政治家，只有P(Ac)=1-P(A)=0.2的機率是政客。
接著每次隨著一個新發生的事件，他的表現定義為事件B，重新來檢驗這位政治人物。
等號右邊P(B|A)的意思是「當某人是政治家時，會這樣做or說的機率」
政治家知道都該作對的事，所以會這樣做or說，但是違背我們常識，可能值設為P(B|A)=0.4。
但我們可能對後面這個問題的答案抱持相反的懷疑，P(B|Ac)是「當某人是政客時，會這樣做or說的機率」，這個值就蠻高的了，畢竟政客著重選舉效益，在此假設P(B|Ac)= 0.7。
經歷一次，我們對政治人物的信心下降，原本認為他有80%的機率是一位政治家，現在剩70%。
當然，用政治家與政客區分也太理想不實際，應該說合不合乎你期待的價值，#他會不會帶來你所期待的改革。
這種算法可以隨著每次重複套用公式，你會發現一次次代入，他給你的信任度是不斷、不斷、不斷遞減的。
對於政治人物，或你身邊的親戚、朋友、情人、伴侶是否值得信任，以及決定你要不要當個粉，或要不要支持一個議員，要不要透過粉絲頁小編的單一事件包裝效果，來認識政治人物，應都不要忘記用適當的邏輯和有根據的事實來判斷他或她。
#別把人家說的話當聖旨
#過去發生的事要記得以方便檢視
#所以快到選前也是不要亂講話
#政治人物和你的情人一樣考驗你的智慧而不是情感
--
其實這些概念就是牽涉到一個診斷工具的敏感度與精準度
網路很多資料，有興趣可以查一查、念一念。
