贝叶斯定理

公式：

P(H):先验概率 the probablity hypothesis is true (before the evidence)

P(E/H): probablity of seeing the evidence if the hypothesis is true

P(E): the probablity of seeing the evidence

下面举个栗子来理解公式：

有个人叫做steve ，严谨又害羞（a meek and tidy soul）

你觉得哪种可能性更大，他是图书馆管理员还是农民？

绝大部人听了steve性格描述后都认为steve是个图书馆管理员，然而这种思考是不理智的，因为人们没有考虑图书馆管理员和农民的比例。

现在我们假设图书馆管理员：农民 = 1: 20

我们可以画个图书馆员和农民的样图（10个图书馆管理员和200个农民）

 当我们听到人物性格描述是：严谨又害羞 

我们假定你的直觉是“40%的图书管理员，严谨又害羞 ”，“10%的农民严谨又害羞”

因此4个图书馆管理员，20个农民

从“严谨又害羞”这个描述中随机抽取一人，他是图书馆管理员的概率是4/24

从“严谨又害羞”这个描述中随机抽取一人，他是农民的概率是20/24

 因此，即使我们认为图书管理员中性格 ‘’严谨又害羞‘’ 的人占比40%， 农民中性格 ‘’严谨又害羞‘’ 的人占比10%，这个人是农民的概率还是比是图书馆管理员大。

贝叶斯定理最根本的

结论也就是说：新论证不能凭空决定你的看法 ，而是因该更新先验看法

贝叶斯定理的精髓是：见到所有的证据限制了概率空间之后再考虑比例

 when to use bayes' rule ?

1. You have a hypothesis : Steve  is a librian 你有一个假设

2. you see some evidence: a meek and tidy soul 你有一些证据

3. you want to know the probability that your hypothesis holds given that the evidence is true (你想知道在‘你得到的证据是真的’的条件下‘你的假设成立’的概率)

在我们上面的栗子中

1.hypothesis（这个meek tidy soul 是图书管理员）：P(H)=1/21（先验概率，在考虑新证据前，图书管理员占总人数的比率）

2.之后我们要考虑图书管理员中符合这个描述的比例

P(E/H)=0.4 (在假设成立的情况下，我们看到证据的概率) when you see this vertical bar, it means we are talking about some proportion of a limited part of total space of posibilities,

在这个例子里，我们的E 是10*0.4=4人，这个E也被称作likelihood。

类似的，如果我们要知道概率空间的另一侧包含多少证据，即在假设不成立的情况下，我们看到证据的概率。P(E/非H)=0.1

3.在证据为真的条件下，这个人是图书管理员假设成立的可能性，

也就是所有符合证据的图书馆管理人数4 除以所有符合证据的人数24

通常我们这样写bayes公式

P(E) the total probablity of seeing the evidence, in our case is 24/210

在练习中还是要拆分成假设成立和假设不成立：1/21*210*0.4+20/21*210*0.1

最后算出来的结果叫做后验概率