贝叶斯的例子.docxVIP

一、什么是贝叶斯推断贝叶斯推断（/wiki/Bayesian_inferenceBayesian inference）是一种统计学方法，用来估计统计量的某种性质。它是贝叶斯定理（/wiki/Bayes%27_theoremBayes theorem）的应用。英国数学家托马斯·贝叶斯（Thomas Bayes）在1763年发表的一篇论文中，首先提出了这个定理。贝叶斯推断与其他统计学推断方法截然不同。它建立在主观判断的基础上，也就是说，你可以不需要客观证据，先估计一个值，然后根据实际结果不断修正。正是因为它的主观性太强，曾经遭到许多统计学家的诟病。贝叶斯推断需要大量的计算，因此历史上很长一段时间，无法得到广泛应用。只有计算机诞生以后，它才获得真正的重视。人们发现，许多统计量是无法事先进行客观判断的，而互联网时代出现的大型数据集，再加上高速运算能力，为验证这些统计量提供了方便，也为应用贝叶斯推断创造了条件，它的威力正在日益显现。二、贝叶斯定理要理解贝叶斯推断，必须先理解贝叶斯定理。后者实际上就是计算条件概率的公式。所谓条件概率（Conditional probability），就是指在事件B发生的情况下，事件A发生的概率，用P(A|B)来表示。根据文氏图，可以很清楚地看到在事件B发生的情况下，事件A发生的概率就是P(A∩B)除以P(B)。因此，同理可得，所以，即这就是条件概率的计算公式。