贝叶斯公式加深理解（参见B站3blue1brown）

 这个图来源于07:51

https://www.bilibili.com/video/BV1R7411a76r?spm_id_from=333.999.0.0https://www.bilibili.com/video/BV1R7411a76r?spm_id_from=333.999.0.0

我将参考这个图来谈谈自己的理解。

由给定的Evidence来做出假设Hypothesis。概率称为后验概率(Posterior)，称为先验概率(Prior),称为似然概率(likelihood)。

由于给出了Evidence，如果可以做出一个判断（选择）H: A  or H: B

例如：给定一个人的描述，判断是图书馆管理员(A)还是农民(B)

若选择H: A

 现实中，这个人可能是A也可能是B。

如果是A，概率为已知的条件下满足E，即；如果是B，概率为已知的条件下满足E，即。

那么从E得出A的概率，其实就是满足条件E的A的人数占满足条件E的总人数的比例。A的人数为总人数K乘，即，将2种类型缩小到了A的人数，再乘以就是满足条件E的A人数，即；满足条件E的B的人数同理，然后再一除，消掉总人数K。 

 总结：求Posterior需要Prior与likelihood，其中Prior的作用是将整体范围缩小到要求假设的那一种范围，likelihood是将某一种范围缩小到符合要求的范围。多次类推，最后再一比就是Posterior。