透彻理解贝叶斯-从先验概率,后验概率起

贝叶斯公式也就是考试的时候随便学了学，其实没有真正理解。信息检索的时候老师一直使用这个公式推导，自己也没看明白。

今天透彻理解下它。

独立事件概率相加理解：一次取到这几个东西都行。而之前是取单个的概率.

后验概率

验前概率（先验概率）就是通常说的概率，验后概率是一种条件概率，但条件概率不一定是验后概率。

贝叶斯公式是由验前概率求验后概率的公式。

举一个简单的例子：一口袋里有3只红球、2只白球，采用不放回方式摸取，求：
⑴ 第一次摸到红球（记作A）的概率；
⑵ 第二次摸到红球（记作B）的概率；
⑶ 已知第二次摸到了红球，求第一次摸到的是红球的概率。
解：⑴ P(A)=3/5，这就是验前概率；
⑵ P(B)=P(A)P(B|A)+P(A逆)P(B|A逆)=3/5

⑶ P(A|B)=P(A)P(B|A)/P(B)=1/2，这就是验后概率。

执果索因的道理，公式核心在于P(A|B)与P(B|A)其实可以相互转化。

2015.3.21

应用: 点击打开链接

贝叶斯的应用要理解深刻, "调整因子"这个东西不是真的调整,而是因为B事件发生而让我们得到A时间发生概率更大.(两个经典例子,a,b两个厂子次品率问题.)

基于结论推断原因:eg:因为垃圾邮件有XX词,那么有XX词,是垃圾邮件概率多大?