初探贝叶斯（Bayes）公式

引例

贝叶斯公式是考虑某事件已经发生，要考察引发该事件的各种原因的可能性大小。

贝叶斯公式是决策中具有重要作用的公式

公式

在上面这个公式中，如果我们把 Ai 看成是造成结果 B 发生的各种原因（或条件），则贝叶斯公式的实际含义：

要找出各个原因 Ai 出现后导致结果 B 发生的可能性大小。

P(Ai) 称为原因的先验概率 它是在没有进一步信息（不知道事件 B 是否发生）的情况下各事件发生的概率

P(Ai | B) 称为原因的后验概率 它是在获得新的信息（知道 B 发生）后，人们对各事件发生的概率有了新的估计

应用

贝叶斯公式代表的是“贝叶斯”学派，在自然科学等领域有着广泛的应用。

举例

以疾病诊断为例，介绍贝叶斯决策的基本思想。

根据往年病例统计可得出某个城市在指定时间内患感冒（A1）,结核（A2），风湿（A3）等疾病的概率，这便是先验概率 P（Ai）(i = 1, 2, 3, … n)。

再根据病历资料，可以确定患有上述疾病的患者出现“发烧”（事件 B）症状的概率 P(B | Ai)(i = 1, 2, 3, … n)。

于是，利用贝叶斯公式，可得出各种病因 Ai 的后验概率 P(Ai | B)，它表示的意义是，当医生面对一个有发烧（也就是事件 B 发生）症状的人时，他就可以根据已经算出的 P(Ai | B)选择其中概率较大者对疾病做出判断。