贝叶斯公式的完全理解

最近在看到朴素贝叶斯算法，里面用到了贝叶斯公式，但许久没有摸概率书了，有点遗忘，于是找了一道贝叶斯公式的简单题目来复习了一下该公式。

题目：甲，乙两人对同一目标进行射击，命中率分别为0.6,0.5，假如在甲乙两人中随机挑选一人，由他射击一次。求已知目标被射中，则甲射中的概率？

在贝叶斯相关的理论中经常见到“先验概率与后验概率”，这两者是什么意思呢？请看该题解法

解：设A1={选中甲}，A2={选中乙}，B={命中目标}

由此可以得出p(B|A1)=0.6，p(B|A2)=0.5 这就是“先验概率”即实验还没有进行前的概率估计，那么我们所求的为实验已经进行后

则为“后验概率”。

由全概率公式我们可以得出p(B)=p(B|A1)*p(A1)+p(B|A2)*p(A2)=0.55

我们所求的是p(A1|B)则由条件概率公式可以得出 

p(A1|B)=p(A1,B)/p(B)=p(B|A1)*p(A1)/p(B)=0.3/0.55=6/11.

这就是贝叶斯公式，推广开可以写成：