先验概率P(A)

先验概率，在贝叶斯统计推断中，是一个事件在收集新数据之前的概率。在进行实验之前，这是基于现有知识对结果概率进行的最佳合理评估。

随着新数据或信息的出现，事件发生的先验概率将被修正，以产生对潜在结果更准确的度量。修正后的概率成为后验概率，用贝叶斯定理计算。在统计学上，后验概率是事件A在事件B发生的前提下发生的概率。

例如，三英亩的土地上标有A、B和C三个标记。在英亩C上发现石油的先验概率是1 / 3，即0.333。但如果在B英亩上进行钻探试验，结果表明该地点没有石油，那么在A和C英亩上发现石油的后验概率为0.5，因为每英亩有1 / 2的机会。

=

其中P(A)是发生的先验概率。

P(A|B)是给定B发生的A的条件概率。这是后验概率，因为它依赖于B，假设A不独立于B。

P(B|A)是在A发生的条件概率。

如果我们对事先观察到的事件的概率感兴趣;我们称之为先验概率。我们认为这个事件是A，它的概率是P(A)。如果有第二个事件影响P(A)我们称之为事件B，那么我们想知道在给定B的情况下A发生的概率是多少。在概率表示法中，这是P(A|B)，称为后验概率或修正概率。这是因为它发生在原发事件之后，因此在后发。这就是为什么贝叶斯定理独特地允许我们用新的信息更新我们以前的信念。

---

后验概率 P(A|B)

后验概率是在考虑新信息后对事件发生的概率进行修正。后验概率是利用贝叶斯定理更新先验概率来计算的。在统计学上，后验概率是事件A在事件B发生的前提下发生的概率。

 后验概率是在给定数据下，将观测值分配给组的概率。先验概率是在收集数据之前观察到的数据被分成一组的概率。例如，如果你给某辆车的购买者分类，你可能已经知道60%的购买者是男性，40%是女性。如果你知道或能估计这些概率，判别分析可以用这些先验概率来计算后验概率。