matlab 贝叶斯信息标准_【实例讲解】贝叶斯推理原理

今天看论文的时候，看到了贝叶斯推理，搜索的时候，正巧搜到了一个大牛的博客，博客中对于贝叶斯推理的进阶实例讲解，真的是非常精彩，这里将自己对贝叶斯推理的收获记录下来。如有理解错误的地方，欢迎指正共同讨论~

为了一点基础也没有的同学观看方便，这里先介绍一些基本概念

先验概率与后验概率

1、先验概率 - 定义：直观理解，所谓“先”，就是在事情之前，即在事情发生之前事情发生的概率。是根据以往经验和分析得到的概率。 - 例子：比如抛硬币，我们都认为正面朝上的概率是0.5，这就是一种先验概率，在抛硬币前，我们只有常识。这个时候事情还没发生，我们进行概率判断。所谓的先验概率是对事情发生可能性猜测的数学表示

2、后验概率 - 定义：事情已经发生了，事情发生可能有很多原因，判断事情发生时由哪个原因引起的概率。 - 例子：比如今天你没去学校，原因有两个，可能是生病了，也可能是自行车坏了。然后上课时老师发现你没来。（这里是一个结果，就是你没来学校这件事情已经发生了）老师叫同学计算一下概率，分别是因为生病了没来学校的概率和自行车坏了没来学校的概率。

贝叶斯定理

开始谈贝叶斯定理之前，必须首先从条件概率 (conditional probability) 说起。所谓条件概率，就是在一个事件发生的情况下，去判断另一个相关联的事件发生的概率，或者简单说，就是指在事件 B 发生的情况下，事件 A 发生的概率。通常记为 P(A|B) 。接下来对贝叶斯公式做一个简单的推导，根据概率知识，我们可以求得 P(A|B) 为：

同理可得：

所以可以得到：

<