贝叶斯公式通俗理解

贝叶斯公式推导

贝叶斯公式：

1.png

推导之前，我们需要先了解一下条件概率：

2.png
条件概率一种测量两个同时发生事件之间关系的方法。
使用条件概率要解决的问题是：如果两个事件是相互依赖的，那么他们同时发生的概率是多少？
P(AB) 或P(A, B) 表示 A 和 B 在彼此独立的情况下同时发生的概率，不考虑其他因素。
P(A|B) 表示在 B 事件发生的情况下 A 事件发生的概率。

已知数据如下：

姓名	职业	秃头
张飞	将军	是
马云	程序员	否
马化腾	程序员	是
刘强东	诗人	否
贾跃亭	歌手	否
张一鸣	产品	是
刘备	程序员	是
关羽	画家	否
老子	教育家	否

P(A) 表是人为光头的概率，P(B) 表示为人为程序员的概率。
则 P(A) = 4/9 ，P(B) = 3/9 = 1/3 ，P(A, B) = 2/9
P(A|B) 则为程序员中光头的概率为：2/3
P(B|A) 则为光头中程序员的概率：2/4 = 1/2
则按照条件概率：P(A|B) = P(A, B)/ P(B) = 2/3
贝叶斯公式：P(A|B) = P(A)·P(B|A)/P(B) = 2/3
通过上面连个公式推导发现 条件概率 和 贝叶斯 的结果是一样的。