先验概率和后验概率

我的理解：

先验概率：对某个随机变量y的概率的预先估计，如果是离散型随机变量就是预先估计的它的概率分布，若是连续型随机变量则是预先估计的它的概率密度函数。

常见的离散型随机变量概率分布有：伯努利分布，多项式分布。

常见的连续型随机变量概率密度函数有：正态分布函数，泊松分布函数，伽马分布函数。

后验概率：当我们观察到了数据x之后，然后得到的随机变量y的概率的估计。

举个例子：

抛掷一枚硬币，用随机变量y=1表示其正面朝上，y=0表示其反面朝上。

然后我们通过多次抛掷硬币的实验来估计y的概率分布。

在抛掷硬币之前，我们可以对y的概率分布做一个估计

那么这就是随机变量y的先验分布。

100次抛掷硬币的实验中，结果出现了80次正面朝上，20次反面朝上（可能由于银币不均匀导致正面朝上机率大）。

设抛掷实验产生的数据为x，

那么基于数据x，我们有新的关于随机变量y的概率分布估计：

这就是随机变量y的后验分布。