9.8 贝叶斯定理

假设有两个事件$a、b$，想要计算在事件$b$发生的条件下事件$a$的条件概率，记作$P(a|b)$。贝叶斯定理公式如下：

$$P(a|b)=\frac{P(b|a)P(a)}{P(b)}$$
其中， $P(b|a)$是事件 $a$发生的条件下事件$b$的条件概率。 $P(a)$是事件 $a$的先验概率，$P(b)$是事件 $b$的先验概率。注意，对于变量$a$的先验概率是概率分布，并且我们得到的是在给定 $b$的情况下，$a$的可能值的完整分布而不是单个点估计。
举个关于HIV的例子：如果某人HIV测试结果呈阳性，并且测试出现假阳性的概率只有1%。似乎第一眼看上去得艾滋的概率达到了99%。那么我们可以使用贝叶斯定理：
$$P(HIV感染概率|阳性概率)=P(HIV概率)\times P(阳性概率|HIV概率)/P(阳性概率)\\ =0.003\times 0.99/0.01\\ =0.297$$
这里，我们假定 $P(HIV概率)$为一般人群感染HIV的概率，美国为0.003； $P(阳性概率)$为无论有没有试验结果都呈阳性的概率，假设为0.01。所以对于一个阳性测试结果，实际感染HIV的概率却只有0.297。