框架思考（四）|《高手：解决法律难题的31种思维技巧》

法学框架: 法律假设

从小觉得，法院是公正的象征。法院判决了某人有罪，这个人就大概率有罪，也就是在事实上做了某件坏事。我会认为法庭判决等于事实。

框架思考（四）|《高手：解决法律难题的31种思维技巧》

但实际上，法庭不会去判断事实。法律假设是，一项诉讼请求是否合理，看证据是否达到某种标准。也就是，法庭判决是在逻辑上而不是事实上去证明某一方是否有罪。

上诉法庭的假设是，初审法官的判决有效，除非你能提出证据证明它无效。上诉法官不会去重新审定初审案件的事实细节。

这样做是更高效的，因为事实的认定往往更复杂。这也给了我一些做事的启示。例如有时业务方提出了很多功能方案，需要决定要不要做。常规做法以及一直以来被教育的都是，要去挖掘背后的需求是什么，通过需求判断方案是否合理甚至去找到新方案。但这样很费时。如果背后的需求不是那么重要，可以只是让业务方提供方案有效的证据，不满足就驳回。

法学框架: 证明标准

前面提到，法律假设是，看证据是否达到某种标准。而这个标准是严是松，由多种因素决定。

例如，刑事案件采用最严格的无罪推定标准。认定被告无罪，在排除所有合理怀疑后，觉得他有罪，他才有罪。有近乎100%的置信度认为有罪才可以。而民事案件通常采用优势证据(preponderance of proof)标准即可。即认为有罪的概率超过 50%。

著名的辛普森案在刑事审判中被判无罪，但在民事审判中被判有罪。

无罪推定的理由，一是假定错误的肯定（开释有罪之人）比错误的否定要好（判无罪者有罪）。二是国家与个人力量的悬殊。国家有搜查传讯权，有警察和监狱，有资源充足的检察官。

除了置信度，证明标准的宽严还体现在部分还是全部地证明因果关系。

来看几个例子。

假如在海上，一个船员落水死亡。船长本可以抛下一条绳子救他，但由于出海前疏忽船长忘带了。船员家属起诉船长。

通常，要判定船长有责任。除了证明忘带绳子属于船长失职，还要证明如果有了绳子，情况会有所不同，船员可能被救起。因为有可能当时有条鲨鱼迅速咬走了他，即使有绳子也于事无补。

在这个案子中，假如陪审团认为有了绳子，超过50%的可能性船员被救，那么船长有罪。反之船长无罪。

假设另一种情况。船长发现船员落水时已经过去5,6个小时了，且判断他落水的位置是在某个较远的海域里。此时回去搜救大概率是救不回来了。船长决定不折返去施救。

这种情况下船长折返，超过50%的可能性救不回来。但这个情况，船长可能有疏忽可能没有。如果每次都判船长无罪，就会造成船长有疏忽但总无罪。所以这里会根据实际情况，有时判船长有罪。也是为了给船长们一点压力。

假如有一个重刑犯，指派给他的律师不负责任昏昏欲睡，他的案子败诉了。他起诉律师。此时他只需给出律师不负责任的证据，而无需证明：如果律师尽业点，他的案子会胜诉。法庭认为重刑犯在这种情况下处于劣势，就会适当降低证明标准。

再一个关于言论自由的例子。如果某市某网站刊登了市长受贿的报道。市长指控网站诽谤，除了指出内容不实是不够的，还需要指出该网站是蓄意的。这是通过举证责任来调节证明标准的宽严度。这种规定提高了不负责言论的风险，但也提高了对言论自由的保护。可见美国对于言论自由的态度……

这个框架也给我启示。开发GG如果 diss 某些需求，对一些难以证明的需求提出需要数据支持时，我们可以质疑，是否要求了过高的证明标准？

数学框架: 基础概率

基础概率最早在学统计学的时候见过，但这次看又弄错，可见是个多么容易混淆的概念。

例子是，假如已知对下飞机的人检查，每100个人里面有1个人会携带毒品。有一只警犬，会对携带毒品的人叫。但他有10%的概率叫错，即没带毒品也叫的概率。此时下来金拱门大叔，警犬叫了。问大叔带毒的概率是多少？

不是90%哦！是1/11哦！

这里第一个重点是关注叫错的概率的意思。叫错的意思并不是叫10次有1次错。而是说10个无辜的人走过，会叫1次。

第二个重点是关注基础概率，每100人有1人带毒。

这道题应该这么理解。首先有两种错误概率。如果过来100个人都带毒，狗每次必叫，叫错的概率是0。如果过来100人都不带毒，狗叫10次，错误概率10%。

现在狗对着大叔叫，问大叔带毒概率，即狗叫正确的概率是多少。那么应该假设100人在狗面前走过，狗叫了几次，正确几次。这100人有人带毒有人不带毒。而比例是基础概率。也就是1人带毒走过，狗叫。99人走过，狗大概叫10次。所以狗叫11次，1次正确，概率1/11。

之前统计学的例子也是医学上的例子是，假如某种病，比如艾滋，实际阴性但检测阳性的概率是x,实际阳性检测阴性的概率是x。问1个人检测阳性实际阴性的概率。

也是一样，需要把问题转化为: 假如有一堆人，实际得艾滋和实际没得的，进行检测，分别算测试的阴性和测试得阳性的，再算比例。此时的基础概率是该地区得病的比例。

从事前概率推算事后概率有个贝叶斯定理。有具体的数学公式。

还有辛普森案里辛普森的明星律师团成员艾伦•德肖维茨大律师居然利用基础概率忽悠我们！

他指出，被家暴的妻子最后被丈夫杀害的概率为1/2500，非常小。所以辛普森家暴证据的重要性并不大。

但其实应该这么看，被家暴的妻子被除丈夫以外的人杀害的概率是5/10万。而上面那个数字是40/10万。也就是说，被家暴的妻子，但凡被杀害了，她被丈夫杀害的概率是40/45！

这里的关键在于，分母不应该是所有被家暴的妻子，她们被杀死本身是小概率事件。

但我还是没明白如果出来一道题，怎么在逻辑层面快速梳理清楚，等着留言区出现大神。

比如一个案子，你被一个蒙面人撞伤了，这个人有棕色头发。已知该地区综色头发概率60%, 你随便拉了个鹿晗过来，起诉他是撞你的那个人。

这个案例里，什么是基础概率，应该怎么理解？

后记: 这个系列终于写完了.....