非马尔可夫与非贝叶斯也是世界的常态

非马尔可夫是世界的常态。非马尔可夫是指一个事件或过程的结果取决于更早期的事件或过程，而不仅仅依赖于最近的状态。马尔可夫性质则是指一个事件的结果只取决于其当前状态，而与过去的状态无关。

在许多情况下，非马尔可夫过程更符合真实世界中的情况。很多事件的结果受到多个因素的影响，而这些因素不仅仅是最近的状态所决定的。例如，经济系统、社会系统和生态系统等都是非马尔可夫的，因为它们的结果受到各种复杂的因素的影响，而不仅仅取决于当前的状态。

非马尔可夫过程的存在使得预测和建模更具挑战性。由于事件结果的不确定性和多样性，非马尔可夫过程需要更复杂的数学模型和算法来描述和分析。这也使得对于这些系统的预测更加困难。

所以，非马尔可夫是世界的常态，因为真实世界中的许多事件和过程都受到多个因素的影响，而不仅仅是当前的状态所决定的。这使得预测和建模变得更加困难，需要更复杂的数学模型和算法来描述和分析，以及人类的适时适度协同。

​
非贝叶斯也是世界的常态。贝叶斯统计方法虽然在许多领域中非常有用，但并不是所有问题都需要使用贝叶斯方法。在现实世界中，经常使用其他统计方法和机器学习算法来解决问题。例如，线性回归、决策树、支持向量机等方法在许多领域中得到广泛应用，这些方法并不是基于贝叶斯理论的。因此，非贝叶斯方法也是统计和机器学习的常态之一。

非贝叶斯是世界常态的一个例子是人类的日常认知过程。在处理信息和做出决策时，人类往往不会使用贝叶斯推理，而是依靠直觉、经验和已有知识来进行判断。举个例子，想象一个人面临打开两个盒子的选择：盒子A和盒子B。他被告知其中一个盒子里有奖品，另一个盒子为空。他的任务是选择一个盒子，希望能拿到奖品。

在贝叶斯推理中，人们会考虑各种可能性的先验概率，并根据已有的观察结果更新这些概率。然后他们会计算后验概率，以决定选择哪个盒子。

然而，现实生活中的人往往不会这么做。相反，他们可能会依靠自己的经验和直觉来做出选择。例如，如果他过去多次选择了A盒子并获得了奖品，而选择B盒子则没什么好结果，他可能会倾向于再次选择A盒子。

这种非贝叶斯的认知过程并不基于严格的概率计算，而是依赖于人们对过去经验的感知和记忆。尽管这可能导致一些错误的决策，但在日常生活中，人们通常没有时间和资源去进行复杂的概率计算。因此，非贝叶斯是世界的常态。

频繁过度不当地使用贝叶斯、马尔可夫链，常常会出现掩耳盗铃、南辕北辙、盲人摸象……的局面！