《商务与经济统计》学习笔记（四）--贝叶斯定理之理解

作为一个纯正的工科生，虽然学过概率论、随机信号、信号检测等与统计学理论相关非常强的课程，对于贝叶斯公式也用过很多次了，不过有时候仍然不能深刻通俗的理解运用它，成了代公式的机器了。
贝叶斯定理是什么
贝叶斯定理是18世纪英国数学家托马斯·贝叶斯（Thomas Bayes）提出得重要概率论理论。以下摘一段 wikipedia 上的简介：

所谓的贝叶斯定理源于他生前为解决一个“逆概”问题写的一篇文章，而这篇文章是在他死后才由他的一位朋友发表出来的。在贝叶斯写这篇文章之前，人们已经能够计算“正向概率”，如“假设袋子里面有 N 个白球，M个黑球，你伸手进去摸一把，摸出黑球的概率是多大”。而一个自然而然的问题是反过来：“如果我们事先并不知道袋子里面黑白球的比例，而是闭着眼睛摸出一个（或好几个）球，观察这些取出来的球的颜色之后，那么我们可以就此对袋子里面的黑白球的比例作出什么样的推测”。这个问题，就是所谓的逆向概率问题。

贝叶斯公式是怎么来的？
使用 wikipedia 上的一个例子：

一所学校里面有 60% 的男生，40%的女生。男生总是穿长裤，女生则一半穿长裤一半穿裙子。有了这些信息之后我们可以容易地计算“随机选取一个学生，他（她）穿长裤的概率和穿裙子的概率是多大”，这个就是前面说的“正向概率”的计算。然而，假设你走在校园中，迎面走来一个穿长裤的学生（很不幸的是你高度近似，你只看得见他（她）穿的是否长裤，而无法确定他（她）的性别），你能够推断出他（她）是男生的概率是多大吗？

在这里，我们不妨把问题重新叙述成：你在校园里面随机游走，遇到了 N 个穿长裤的人（仍然假设你无法直接观察到他们的性别），问这 N 个人里面有多少个女生多少个男生。
计算一下：
假设学校里面人的总数是 N个。60% 的男生都穿长裤，于是我们得到了穿长裤的（男生）的个数为：
$$N\times P(男生)\times P(男生穿长裤|男生)$$（其中 P(男生) 是男生的概率 = 60%，这里可以简单的理解为男生的比例；P(男生穿长裤|男生)是条件概率，即在男生这个条件下穿长裤的概率是多大，这里是 100% ，因为所有男生都穿长裤）。
40% 的女生里面又有一半（50%）是穿长裤的，于是我们又得到了 穿长裤的（女生）为：
$$N\times P(女$$