贝叶斯定理

贝叶斯定理是有英国数学家贝叶斯提出的，用于描述两个事件之间发生概率的关系，比如：P(A|B)和P(B|A)，P(A|B)表示在事件B发生的情况下，事件A发生的概率。通常，事件A在事件B的条件下的概率，和事件B在事件A的条件下的概率是不一样的，但是这两者是有确定的关系，贝叶斯定理就是这种关系的陈述。

其公式为：

可以描述为：在事件B发生的情况下，事假A发生的概率等于在事件A发生的情况下事件B发生的概率乘以事件A发生的概率除以事件B发生的概率。

其中P(A|B)为在事件B发生的情况下事件A发生的可能性。

在贝叶斯定理中，每个名词都有约定俗成的名称：

• P(A)是A的先验概率。之所以称为"先验"是因为它不考虑任何B方面的因素。
• P(A|B)是已知B发生后A的条件概率，也由于得自B的取值而被称作A的后验概率。
• P(B|A)是已知A发生后B的条件概率，也由于得自A的取值而被称作B的后验概率。
• P(B)是B的先验概，也作标准化常量（normalizing constant）.

按这些术语，Bayes定理可表述为： 后验概率 = (相似度*先验概率)/标准化常量
也就是说，后验概率与先验概率和相似度的乘积成正比。

另外，比例P(B|A)/P(B)也有时被称作标准相似度（standardised likelihood），Bayes定理可表述为：
后验概率 = 标准相似度*先验概率