貝葉斯定理 - 維基百科，自由的百科全書

此條目需要補充更多來源。 (2015年7月16日)
請協助補充多方面可靠來源以改善這篇條目，無法查證的內容可能會因為異議提出而被移除。
致使用者：請搜尋一下條目的標題（來源搜尋："Shyhjen" — 網頁、新聞、書籍、學術、圖像），以檢查網絡上是否存在該主題的更多可靠來源（判定指引）。

貝葉斯統計
統計學系列條目

理論
允許決策規則（英語：Admissible decision rule）貝氏效率（英語：Bayesian efficiency）貝葉斯概率機率解釋（英語：Probability interpretations）貝葉斯定理貝氏因子（英語：Bayes factor）貝葉斯推論貝葉斯網絡先驗概率後驗概率概似函數共軛先驗後驗預測分佈（英語：Posterior predictive distribution）超參數（英語：Hyperparameter）超先驗（英語：Hyperprior）無差別原理（英語：Principle of indifference）最大熵原理（英語：Principle of maximum entropy）經驗貝氏方法（英語：Empirical Bayes method）克倫威爾法則（英語：Cromwell's rule）伯恩斯坦–馮·米塞斯定理（英語：Bernstein–von Mises theorem）施瓦次準則（英語：Schwarz criterion）置信區間最大後驗概率估計激進機率主義（英語：Radical probabilism）
方法
貝氏線性迴歸（英語：Bayesian linear regression）貝氏估計（英語：Bayesian estimator）貝氏計算（英語：Approximate Bayesian computation）馬可夫鏈蒙地卡羅
機率與統計主題
閱論編

概率論
統計學系列條目

機率概率公理決定論非決定論隨機性
概率空間概率測度樣本空間隨機試驗伯努利試驗事件互補事件互斥基本事件（英語：Elementary_event）結果單元素
隨機變量期望值條件概率機率分佈離散型均勻分佈伯努利分佈二項式分佈幾何分佈負二項分佈超幾何分佈泊松分佈連續型均勻分佈正態分佈對數正態分佈多元正態分佈指數分佈 Gamma分佈 Beta分佈帕累托分佈聯合分佈邊際分佈
隨機過程伯努利過程隨機漫步維納過程馬可夫過程伊藤過程
統計獨立性條件獨立全概率公式大數法則貝葉斯定理布林不等式
文氏圖樹形圖
閱論編

Bayes' theorem（中文：貝葉斯定理英語：Bayes' theorem）是機率論中的一個定理，描述在已知一些條件下，某事件的發生機率。比如，如果已知某種健康問題與壽命有關，使用貝氏定理則可以通過得知某人年齡，來更加準確地計算出某人有某種健康問題的機率。

通常，事件A在事件B已發生的條件下發生的機率，與事件B在事件A已發生的條件下發生的機率是不一樣的。然而，這兩者是有確定的關係的，貝葉斯定理就是這種關係的陳述。貝葉斯公式的一個用途，即透過已知的三個機率而推出第四個機率。貝氏定理跟隨機變量的條件機率以及邊緣機率分佈有關。

作為一個普遍的原理，貝葉斯定理對於所有機率的解釋是有效的。這一定理的主要應用為貝氏推論，是推論統計學中的一種推論法。這一定理名稱來自於湯瑪斯·贝斯。User:Shyhjen w:User:Shyhjen/Sandbox