以美女和魔鬼身影通俗化解释贝叶斯概率推定定理

在生活中，如果你先听到某个朋友说了“虽然”二字，基本上可以断定他后面说“但是”一词是大概率事情……

而无论是在数学上，还是在实际中，还存在一类经常会被忽视的推理方法，就是贝叶斯概率推定。它一般是限于一些条件，你先知道了“后者”，然后要去推定“前者“的概率？

有点类似福尔摩斯破案！

如果还以虽然+但是的句例，来通俗化解释贝叶斯定理，有点反智和不容易理解，但好在还有其它更容易理解的场景。

一般我们知道，美女的美是全方位的，其背影大概率都很魔鬼！
如果我们在人群中常会遇到某个背影很魔鬼的女生，我们有多大概率可以推定她就是美女呢？

对于这个场景，就是贝叶斯定理可以发威的场景了，虽然我们觉察不到！

从生活经验来看，背影看起来很魔鬼的女生又是美女的概率不小。所以，才会有很多年少的男生都会在这时三步并做两步，紧踏几脚，快速赶上“美女"，瞥瞅几眼，以探究竟和芳香[呲牙]

既然有贝叶斯概率推定的理论指导，我们就以贝叶斯公式，来实际算下这个概率有多大吧！

---

在女生群体中，美女的概率不大，我们就以常用的二八分布来设定。

美女的概率：P(美女)=0.2，即百分之二十的概率。

美女拥有魔鬼背影的概率，我们知道很大，所以，可以记之为P(魔鬼背影|美女)=0.8，即百分之八十的概率。

在贝叶斯概率推理时，根据计算公式还需要知道在女生群体中拥有魔鬼身影的概率，我们知道因个体自律或美的钟爱拥有魔鬼身影的女生不多，而且这里面还有“魔鬼”面容的，所以，我们可以大致认为其比例大于美女在女生群体中的比例，我们记之为P(魔鬼身影)=0.3，即百分之三十。
基础数据凑齐，那么我们来计算下，如果你看到一个身影很魔鬼的女生，在数学上有多大的理论概率她是美女呢？

P(美女|魔鬼身影)
=P(美女)P(魔鬼身影|美女)/P（魔鬼身影）
=0.20.8/0.30
=0.533333
其实才稍高于50%而已！

利用这个理论公式，我们来做下推演。即使全部的美女身影都很魔鬼，公式计算出来的概率也只有百分之六十多而已！但如果P(魔鬼身影)在女生群体中的概率减小，则对计算结果影响是相当大的！

所以，在做贝叶斯概率推理时，尽量选取相关性强，但总体概率又比较小的信息，作判断依据，会更有利于准确的推断[胜利]

写到这里，让我想到了，在香农信息论中概率越小信息量越大的原理，其应用真是无处不在啊[抱拳]