贝叶斯公式解析

先来了解一下后验概率与先验概率的概念
设事件A的先验概率为P(A)，一般都是统计得到的概率值（大数定律告诉我们能用频率近似代替概率），由事件A得到的事件B概率为P(B/A)，那么后验概率P(B/A)就是已知B后再重新修正A后的结果。由概念可知，不论是先验概率还是后验概率，所讨论的主角都是事件A的概率，并且事件A和事件B本身是相互影响的。

贝叶斯公式

P(A/B)=P(B/A)P(A)/P(B)

其中P(B/A)称为似然函数，已知事件A发生，可以通过似然函数，估算事件B的可能性
P(A/B)称为A的后验概率，P(A)为先验概率，更加通俗的解释是，后验概率是区别于先验概率的，A为条件，B为结果，先验概率是在观测到结果B之前对条件A的预测，后验概率则是描述结果B已经发生了，导致这一结果发生的条件有很多，其中是由事件A导致的概率，是对A的修正。

应用举例

若事件A：汽车被砸 事件B：警报响了
则贝叶斯公式就被赋予了实际意义：后验概率P(A/B)表示警报响了，是由车被砸导致的概率；
P(B/A)表示汽车被砸导致警报响了的概率
P(B)警报响了的概率（其中包括汽车被砸导致的+其他因素导致的）