小镇昨夜发生了凶杀案，考虑到近10年来小镇只发生过2次凶杀案，应该很久不会再发生凶杀案了吧？
这是另一个常见的认知错误。虽然小镇平均5年才发生一次凶杀案，但是如果昨夜的案犯仍然在逃，小镇再次发生命案的概率将陡然提高，因为“案犯在逃”这个条件改变了凶杀案发生的概率。
条件概率是概率统计中最实用的概念，与之对应的贝叶斯定理则是最实用的计算公式。当我们需要计算某一个随机事件发生的概率时，类似事件的统计结果只能作为“先验概率”，尽可能多地掌握已知条件才能提高预测的准确率。
在“贝叶斯定理”中，我们曾提到，连环恐怖袭击不是巧合。
仅从统计数据上看，“恐怖分子驾机撞世贸中心大楼”是不折不扣的小概率事件，然而在全球自杀式袭击数量飙升、基地组织越发猖獗的前提条件下，这一事件发生的概率则在悄然提升。
当第一架被劫飞机撞向世贸中心大楼时，这一概率跃升至38%，当第二架飞机再次撞向世贸中心大楼时，发生这一事件的概率飙升至99%，几乎成为必然事件。
事实上，第三架被劫飞机撞向了华盛顿五角大楼，第四架被劫飞机意图撞向白宫国会大厦，被机上乘客拼死阻止，最终坠毁。恐怖袭击总是连环发生，这不仅不是巧合，甚至是必然，正应了中国那句老话——祸不单行。
条件概率和贝叶斯定理提醒我们，不要盲目相信统计数据，前提条件会大大改变一个事件发生的概率。
