条件概率和后验概率(Baum-Welch statistics)

来自知乎：https://www.zhihu.com/question/22905989

首先似然概率是一种条件概率，已知model求样本发生的概率。

后验概率是一种条件概率，它限定了事件为隐变量取值，而条件为观测结果。
一般的条件概率，条件和事件可以是任意的。
比如：

$$\begin{equation} \label{eq4} \gamma_{t}(c) = P(c | Y_{t}, \Omega) \end{equation}$$
上面这个是Baum-Welch statistics 中对 $\gamma_{t}(c)$ 的定义，其中 $Y_{t}$ 是观察到的第t帧声音信号的特征，c是UBM的第c个componment. 这个定义看论文中有两种表述方式：
where $\gamma_{t}(c)$ is the posterior probability of the event that the feature vector $Y_{t}$ is accounted for by the mixture component c.
$\gamma_{t}(c)$ 是一个事件的后验概率，这个事件是 $Y_{t}$ 被 c component 占有， 也就是已知观测结果为 $Y_{t}$ 的条件下，事件（服从的分布是c的分布）发生的概率。
OR
where $\gamma_{t}(c)$ corresponds to the posterior probability of mixture component c generating the vector $Y_{t}$.
这个描述比较直接， $\gamma_{t}(c)$ 是 分布 c 产生 $Y_{t}$ 的后验概率，

自己的理解：后验概率就是将在已知发生事件，求在什么条件下发生的概率。
突然发现这个概念是不是就是贝叶斯公式的应用条件吗？ 后验概率的求解就是用贝叶斯公式求解！

下面这个解释也是来自知乎，只好印证了我们上面的分析。

条件概率：在某条件下事件发生的概率。
后验概率：已知原分布，在实际发生某事件时,是原先某情况的可能性。
后验概率在某些情况下是条件概率的一种

概率也都忘了，唉…..