首页 > 百科知识 > 宝藏问答 >

问 贝叶斯公式的介绍 概率原理详解

2026-11-20 18:51:24
最佳答案

答

贝叶斯公式是概率论里面非常核心的公式,核心作用就是根据已经观测到的新证据,反向更新原来的概率判断,也就是从结果反推原因发生的概率,它和普通正向概率不一样,正向概率是已知原因去预测结果,贝叶斯公式做的是逆概率计算,这套公式是贝叶斯统计的根基,现在广泛用在机器学习 垃圾邮件识别 医疗检测 风控 人工智能分类算法里面,公式里面包含先验概率 似然 证据概率 后验概率四个核心概念,很多初学者容易混淆这几个名词,理解贝叶斯公式的关键,就是明白它不是一次性给出绝对确定答案,而是随着新信息不断修正概率,属于动态更新概率的思维方式。

贝叶斯公式表达式

P A|B 等于 P B|A 乘以 P A 除以 P B

符号含义说明

P A 是先验概率,也就是在看到证据 B 之前,原本认为事件 A 发生的概率

P B|A 是似然,也就是在事件 A 成立的前提下,观测到证据 B 的概率

P B 是证据的全概率,也就是所有情况下观测到 B 的总概率,一般用全概率公式展开计算

P A|B 是后验概率,也就是拿到证据 B 之后,更新得到事件 A 发生的新概率

核心概念对照表

名词通俗解释
先验概率还没有新数据之前,原本的主观或者历史概率
似然假设原因成立,出现当前观测结果的可能性
全概率 P B所有可能原因下,观测到 B 的总概率
后验概率加入新证据之后,修正得到的最新概率

公式推导与计算步骤

第一步 确定待求事件 A,也就是我们想要反推的原因,确定证据 B,也就是已经观测到的现象

第二步 提前收集先验概率 P A,这个数据一般来自历史统计或者经验估计

第三步 计算似然 P B|A,也就是 A 发生的时候,B 出现的概率

第四步 使用全概率公式计算分母 P B,如果存在多个互斥原因 A1 A2 A3,P B 等于 P B|A1 乘 P A1 加上 P B|A2 乘 P A2 加上 P B|A3 乘 P A3

第五步 代入贝叶斯公式,算出后验概率 P A|B

第六步 如果后续又出现新证据,可以把这次算出的后验概率,当成下一轮计算新的先验概率,实现连续迭代更新

典型应用场景说明

第一 医疗检测,已知某种疾病发病率也就是先验,还有检测试剂的灵敏度和假阳性率,用贝叶斯公式计算检测阳性之后,真正患病的概率,这个场景也是经典例题,很多人会误以为阳性就基本确诊,但是当疾病本身发病率很低的时候,后验概率并没有想象那么高,核心原因就是假阳性累积

第二 垃圾邮件识别,先验是一封邮件是垃圾邮件的概率,似然是垃圾邮件里面出现特定关键词的概率,通过贝叶斯公式计算邮件属于垃圾邮件的后验概率,概率超过阈值就判定为垃圾邮件

第三 机器学习分类,朴素贝叶斯分类器就是基于贝叶斯公式,额外假设各个特征之间相互独立,简化计算,实现文本分类 图像分类

第四 金融风控,根据客户新出现的行为证据,更新客户违约的后验概率,调整风险评级

重要性质与常见误区

贝叶斯公式本身是数学恒等式,计算本身没有争议,争议主要在先验概率怎么选取,经典频率学派不认可主观先验,贝叶斯学派认为先验可以基于经验设定,这也是两大统计学派的核心分歧

常见误区一是把似然 P B|A 和后验 P A|B 当成同一个数值,这是初学者最高频错误,两个含义完全不同

常见误区二是忽略分母全概率,直接用似然乘先验,忘记归一化,最后得到的数值不是标准概率

常见误区三是认为贝叶斯公式可以算出绝对真相,它输出的依旧是概率,不是确定性结论,新证据越多,后验概率才会越来越贴近真实情况

【常见问题】

问题 1 贝叶斯公式里面先验概率是什么意思

回答 1 贝叶斯公式里面的先验概率,就是在获取新证据之前,对事件发生概率原本的估计,贝叶斯公式就是依靠这个先验概率结合似然,算出更新之后的后验概率。

问题 2 贝叶斯公式和全概率公式是什么关系

回答 2 贝叶斯公式的分母经常需要借助全概率公式计算,全概率公式用来求出证据 B 总的发生概率,是完成贝叶斯公式计算必不可少的配套工具。

问题 3 朴素贝叶斯和贝叶斯公式是一回事吗

回答 3 朴素贝叶斯是贝叶斯公式的工程简化版本,在贝叶斯公式基础上增加特征独立假设,朴素贝叶斯底层计算逻辑依然建立在贝叶斯公式之上。

问题 4 贝叶斯公式可以连续多次更新概率吗

回答 4 贝叶斯公式支持迭代更新,上一轮贝叶斯公式算出的后验概率,可以作为下一轮新证据计算的先验概率,实现概率持续修正。

【免责申明】

本文为贝叶斯公式数学科普,例题与应用解释为基础教学版本,严谨推导 高级拓展内容以概率论专业教材为准,内容仅作学习参考。