墨西哥城的「假警報」與真地震#

2014 年 7 月某天，墨西哥城上千人收到「即將強震」的手機警報，街道頓時人聲鼎沸——但什麼也沒發生。App 開發商道歉。

18 小時後，城市卻被 6.3 級強震襲擊——而這次警報沒有響。

這是地震預測的雙重困境：

• 誤報讓人麻痺
• 漏報讓人喪命

地震預測的千年難題#

從古希臘老鼠蛇類集體出走到現代地下水、磁場、放射氣體變化，人類一直尋找「地震前兆（precursor）」：

海城成功 vs 唐山失敗#

• 1975 年中國海城：地下水變化 + 蛇出洞 + 小餘震 → 地球物理學家發布警報，疏散百萬人。M7.3 地震果真到來，僅 2,000 人罹難
• 1976 年中國唐山：M7.6 地震，沒有可辨識的前兆，至少 25.5 萬人死亡

事後傳出唐山地震前也有「動物異常」——但這究竟是真前兆，還是事後合理化？動物正常情況下「異常」的頻率是多少？

地震預測就是診斷問題#

任何預測本質上是診斷，因此必須通過上一章「幾趴規則」的考驗：

若特定月份「大地震」機率僅幾個百分點，要讓警報可信，偽陽性率也必須低於幾個百分點。 數百年來，沒有任何前兆達到這個門檻。 即使存在 100% 真陽性的前兆，偽陽性率也需低於 1/1,000 才能勝任。

地震學家的兩條路#

放棄精確預測後，地震學家轉向兩個務實方向：

路線 1：減災策略（Mitigation）#

不問「何時」，只問「哪裡」：

• 環太平洋火環高風險區人口稠密（如日本）
• 投資建築抗震、公共設施抗震、教育民眾正確應變

鮮明對照#

• 2010 年智利：M8.8 地震（史上最強之一）→ 死亡 < 600 人，因建築規範嚴
• 2010 年海地：M7.0 地震（強度為智利 1/500）→ 22 萬人死亡，因貧民窟結構脆弱

路線 2：「終極前兆」——地震本身#

地震波分為：

• P 波（主波）：來回震盪，速度 10,000–20,000 km/h
• S 波（次波）：上下震盪，破壞力強，速度只有 P 波一半

抓到 P 波，可在 S 波抵達前提供 30–60 秒警報。

日本 UrEDAS 系統#

1960 年代為新幹線設計，1990 年代成為「緊急地震檢測警報系統（UrEDAS）」：

• 偵測 P 波 → 自動讓列車減速
• 50 多年、100 億人次旅程，地震相關死亡為零
• 2004 年新潟地震列車翻覆是少數例外，因震央太近、無時間應變

福島地震（2011 年 3 月，M9.0）#

電視台先發出警報，比震波抵達早約 1 分鐘——這短短一分鐘救了許多人。墨西哥也在格雷羅海岸建立類似系統，距首都約 350 公里，可預警約 1 分鐘。

同樣邏輯：天氣預報為何不準？#

英國氣象局號稱：

• 4 天預報的準度等同 1980 年代的 1 天預報
• 晴雨預報「準確率」70-80%
• 溫度預報 90% 以上

但你還是常被沒預期到的雨淋——為什麼？

案例計算：80% 準確率的下雨預報#

假設 100 個午餐時段，要去公園散步：

• 英國任一小時下雨機率約 10% → 10 個會下，90 個不會
• 真陽性 80%：下雨的 10 個 → 預報準確 8 個
• 偽陽性 20%：不下雨的 90 個 × 20% = 18 個錯誤預報下雨
• 預報下雨總數 = 8 + 18 = 26
• 真陽性比例 = 8/26 ≈ 31%

一份「80% 準確」的下雨預報，預報下雨時真的下雨的機率只有 31%。 這就是低盛行率事件 + 偽陽性的「Few Per Cent Rule」陷阱。

該不該帶傘？#

這是一個結合機率 + 後果偏好的決策問題：

套用機率計算後：

• 要忽略雨預報而出門：除非你認為「淋雨」的痛苦至少是「白白取消散步」的 2 倍
• 要帶傘：除非你認為「沒帶傘被淋」至少比「白白帶傘」糟 2 倍

不同人的偏好導致不同的最佳行動。

結語#

預測自然事件的夢想自古有之，但受根本機率法則限制。 知道這些限制、知道預測方法如何處理它們，是做出最佳決策的關鍵。 如同所有機率工具——預測方法的價值在長期累積而非每一次都對。