数据分析-概率与数理统计-贝叶斯定理实例理解

贝叶斯定理主要是用在一些垃圾邮件，顾客判别等业务场景中。
通常情况下，一件事情会有客观概率，也就是正确的概率。比如一个城市中黑色的汽车为85%，红色的汽车为15%。这个概率不会随人为因素改变。但是由于人群有色盲的原因，这些色盲在辨别汽车颜色时会存在误差，比如一半会错。因此当你和一个人讨论刚刚过去的车是红色时，可能刚刚过去的车不一定是红色。原因就是这个人可能是色盲，误判了颜色。那这种情况怎么去推测刚刚过去车的颜色呢？
1、过去的车真的是红色，这个车被判别正确的概率是15%*0.5，
2、过去的车是黑色，这个车被判别为红色的概率是85%*0.5，
因此过去的车真的是红色的概率=15%*0.5/(15%*0.5+85%*0.5)
推而广之，贝叶斯定理是计算一个人为确定的事件发生后，来推测这个事件是否真的发生的概率。也就是上例中人为判别是红色但是实际是红色的概率。