如何理解先验概率与后验概率

1、先验概率

基于客观事实 或者 统计频率 得到的，或者你自身依据经验给出的一个概率值，我们称其为先验概率(prior probability)，更加形象的例子，P(X=掷硬币为正面)=0.5。

2、来个栗子🌰

玩LOL占总人口60%，不玩LOL人数占40%，为便于叙述，用变量X来表示取值情况（X为全事件），有 :
$P(X=玩lol)=0.6$，
$P(X=不玩lol)=0.4$。

另外玩lol中80%是男性，20%是女性，不玩lol中20%是男性，80%是女性，用离散变量Y表示性别取值，则相应的条件概率分布(新事件Y)：
$P(Y=男性|X=玩lol)=0.8，P(Y=女性|X=玩lol)=0.2$，
$P(Y=男性|X=不玩lol)=0.2，P(Y=女性|X=不玩lol)=0.8$

Then提问来了，问在已知玩家为男性的情况下，他是lol玩家的概率是多少？
由Bayes可得：
$$P(X=玩lol|Y=男性)=\frac{P(Y=男性|X=玩lol)\ast P(X=玩lol)}{P(Y=男性|X=玩lol)\ast P(X=玩lol)+P(Y=男性|X=不玩lol)\ast P(X=不玩lol)}$$
最后算出的$P(X=玩lol|Y=男性)$称之为$X$的后验概率，即它获得是在观察到事件$Y$发生后得到的。

3、总结时间

（1）先验概率：以全事件为背景下，可以理解为以我们所知道的经验为背景，$P(A|\Omega )=A事件发生的概率（人类已具备的知识，比如硬币正反各自50\%概率）$，$\Omega$指的是人类已具备之经验。
（2）后验概率：以新事件$B$为背景下，$A$事件发生的概率， 也就是$P(A|B)$，本文例子$B$事件指的是男性。

全事件一般是统计获得的，所以称为先验概率，先验–>先于实验–>不用做实验就知道–>为啥不做实验也能知道概率呢？–>因为人类有知识，经验呀，我们是站在巨人的肩膀上前进丫！！！

新事件一般是实验，如试验B，此时的事件背景从全事件变成了B，该事件B可能对A的概率有影响，那么需要对A现在的概率进行一个修正，从P(A|Ω)变成 P(A|B)，

所以称 P(A|B)为后验概率，也就是试验(事件B发生)后的概率