贝叶斯定理

关于贝叶斯的一些介绍

逆向概率

所谓「逆向概率」是相对「正向概率」而言。正向概率的问题很容易理解，如「假设袋子里面有 N 个白球，M 个黑球，你伸手进去摸一把，摸出黑球的概率是多大」。但是实际场景中，这个问题往往相反：「如果事先并不知道袋子里面黑白球的比例，而是闭着眼睛摸出一些球，观察这些取出来的球的颜色，我们可以对袋子里面黑白球的比例作出什么样的推测」。贝叶斯推断与其他统计学推断方法截然不同。它建立在主观判断的基础上，也就是说，你可以不需要客观证据，先估计一个值，然后根据实际结果不断修正。

贝叶斯推断与其他统计学推断方法截然不同。它建立在主观判断的基础上，也就是说，你可以不需要客观证据，先估计一个值，然后根据实际结果不断修正。

贝叶斯定理（Bayes’ theorem）告知我们如何利用新证据修改已有的看法。在事件 B 出现的前提下，事件 A 出现的概率，等于 A 和 B 都出现的概率，除以 B 出现的概率。用公式表示就是：

概念

• 先验概率：在考虑观测数据前，能表达不确定量 p 的概率分布
• 后验概率：在考虑和给出相关证据或数据后所得到的条件概率
• 条件概率：事件 A 在另外一个事件 B 已经发生条件下的发生概率，表示位 P(A|B)
• 可能性函数/似然函数：一种关于统计模型中参数的函数，用于在已知某些观测所得到的结果时，对有关事务的性质的参数进行估计