数理统计——Bayes, 先验概率和后验概率

　　先验概率（prior probability）是指根据以往经验和分析得到的概率，如全概率公式中的，它往往作为“由因求果”问题中的“因”出现。
　　后验概率（posterior probability）是指在得到“结果”的信息后重新修正的概率，如贝叶斯公式中的。是“执果寻因”问题中的”果”。
　　以Bayes为例。贝叶斯定理由英国数学家贝叶斯 ( Thomas Bayes 1702-1761 ) 发展，用来描述两个条件概率之间的关系，比如 P(A|B) 和 P(B|A)。按照乘法法则：
　　　　　　　　　P(A∩B)=P(A)*P(B|A)=P(B)*P(A|B)　　　　
如上公式也可变形为：
　　　　　　　　　　　P(B|A)=P(A|B)*P(B)/P(A)
对于变量有二个以上的情况，则有
　　　　　　　P(A|B,C)=P(B|A)*P(A)*P(C|A,B)/(P(B)*P(C|B))
　　　　　　　
通常，事件A在事件B(发生)的条件下的概率，与事件B在事件A的条件下的概率是不一样的；然而，这两者是有确定的关系,贝叶斯法则就是这种关系的陈述。作为一个规范的原理，贝叶斯法则对于所有概率的解释是有效的
　　　　　　　
在贝叶斯法则中，每个名词都有约定俗成的名称：
Pr(A)是A的先验概率或边缘概率。之所以称为”先验”是因为它不考虑任何B方面的因素。
Pr(A|B)是已知B发生后A的条件概率&