17、贝叶斯分析：概念、定理与应用

贝叶斯分析：概念、定理与应用

1. 贝叶斯分析基础概念

在日常生活中，我们常常会提及概率，但概率究竟是什么呢？概率是用于量化不确定事件发生可能性的数值，其取值范围在 0 到 1 之间。概率越高，事件发生的可能性就越大。例如，抛硬币时，正面和反面出现的概率均为 0.5。事件 E 的概率可以表示为 P(E)。

在概率理论中，样本空间是指一个实验或随机试验的所有可能结果的集合。每个可能的结果被称为样本点，而包含所有样本点的空间被称为全集（Ω）。例如，抛硬币的样本空间是 {正面, 反面}，掷骰子的样本空间是 {1, 2, 3, 4, 5, 6}。

2. 条件概率

P(E) 实际上是事件 E 在全集中发生的概率，可以写成 P(E|Ω)。当我们拥有部分信息时，就需要考虑缩小样本空间的问题。以掷骰子为例，初始样本空间 A 是 {1, 2, 3, 4, 5, 6}，但如果我们得知骰子被做了手脚，可能的结果仅限于 {4, 5, 6}，那么样本空间就缩小为 B = {4, 5, 6}。此时，计算事件 E 的概率时，就需要用 P(E|B) 来表示在空间 B 中事件 E 发生的概率。

为了更好地理解条件概率，我们可以通过以下步骤计算 P(A|B)：
- 步骤一 ：确定 P(A|B) 在空间中的位置。P(A|B) 对应于全集中“A 和 B 同时发生”的部分，即 P(AB)。
- 步骤二 ：进入空间 B。B 在全集中发生的概率是 P(B)，因此可以得到公式：
[P(A|B) = \frac{P(AB)}{P(B)}]

这个公式表明，A 在