01
在概率论的日常应用中，正向条件概率P（A/B） 通常是容易获得的信息。
例如，已知一条生产线的历史次品率，或者已知某种疾病状态下检测试剂的阳性反应概率。
这些都是从“原因”到“结果”的推断，可以由物理模型或长期频率直接统计得到。
然而，现实中的决策却总是逆向的。例如，当我们拿到一份阳性检测报告时，我们需要知道的是“我真正患病的概率是多少”。
这种从观测到的“结果”反推其背后“原因”的概率，称为逆概率，远比正向问题复杂。
这是因为同一个结构可能由多种原因产生，而每种原因本身的先验概率可能天差地别。
贝叶斯公式正是解决这一“因果方向反转”问题的数学工具。
0
评论 (0)