先验概率和后验概率_贝叶斯公式理解之似然函数，后验概率，先验概率

序言

这篇文章聊一个老生常谈的问题：贝叶斯公式的理解。看了一圈博客，好多都是强行举例，理解得不够深刻，让人看得云里雾里，无法推广到其他问题上。实际上要建立系统的理解还是得从数学性质出发。

贝叶斯公式：

符号说明：

Table1：符号说明

预知识：

首先，得知道D和θ都是随机变量（值），随机变量本质是一个 映射函数 用来把非实数域映射到实数域，在实数域我们就可以得到随机变量的概率质量/密度函数、分布函数等性质。D是关于观测到的数据的随机变量，比如有一堆数据{x1,x2,...,xn}，我们把这些数据都看成是一个个独立的事件，那么D就是一组事件的集合。θ是关于模型参数的随机变量，它代表是事件发生的“条件因素”，比如我们假定一个事件的发生服从某个分布，那我们就可以让θ表示这个分布的参数。

其次，P(.)看成是函数，这个对后面理解比较重要。

最后，P(D|θ)在大部分博客中都指代似然函数，是