怎样用非数学语言讲解贝叶斯定理
贝叶人 [编辑本段] 贝叶斯，全名 斯·贝叶斯（Thomas Bayes），一位伟大的英国大师，他的理亮了今天的计算领域，和他的同事们不同：他认为上帝的存在可以通过方程式证明，他最重要的作品被别人发行，而他已经去世241年了。
有关贝叶斯其他内容，请参看百科词条：贝叶斯 定理的研究方向与意义 [编辑本段] 人们根据不确定性信息作出推理和决策需要对各种结论的概率作出估计，这类推理称为概率推理。
概率推理既是概率学和逻辑学的研究对象，也是心理学的研究对象，但研究的角度是不同的。
概率学和逻辑学研究的是客观概率推算的公式或规则；而心理学研究人们主观概率估计的认知加工过程规律。
贝叶斯推理的问题是条件概率推理问题，这一领域的探讨对揭示人们对概率信息的认知加工过程与规律、指导人们进行有效的学习和判断决策都具有十分重要的理论意义和实践意义。
贝叶斯定理的定义 [编辑本段] 贝叶斯定理也称贝叶斯推理，早在18世纪，英国学者贝叶斯(1702～1761)曾提出计算条件概率的公式用来解决如下一类问题：假设H[,1],H[,2]…互斥且构成一个完全事件，已知它们的概率P(H[,i],i=1,2,…，现观察到某事件A与H[,1],H[,2]…相伴随而出现，且已知条件概率P(A\\\/H[,i])，求P(H[,i]\\\/A)。
贝叶斯公式（发表于1763年）为： P(H[,i]\\\/A)=P(H[,i])P(A\\\/H[,i])\\\/[P(H[,1])P(A\\\/H[,1]) P(H[,2])P(A\\\/H[,2])…] 这就是著名的“贝叶斯定理”，一些文献中把P(H[,1])、P(H[,2])称为基础概率，P(A\\\/H[,1])为击中率，P(A\\\/H[,2])为误报率[1]。
贝叶斯定理的应用 [编辑本段] 贝叶斯定理用于投资决策分析是在已知相关项目B的资料，而缺乏论证项目A的直接资料时，通过对B项目的有关状态及发生概率分析推导A项目的状态及发生概率。
如果我们用数学语言描绘，即当已知事件Bi的概率P（Bi）和事件Bi已发生条件下事件A的概率P（A│Bi），则可运用贝叶斯定理计算出在事件A发生条件下事件Bi的概率P（Bi│A）。
按贝叶斯定理进行投资决策的基本步骤是： 1 列出在已知项目B条件下项目A的发生概率，即将P（A│B）转换为 P（B│A）； 2 绘制树型图； 3 求各状态结点的期望收益值，并将结果填入树型图； 4 根据对树型图的分析，进行投资项目决策； 搜索巨人Google和Autonomy，一家出售信息恢复工具的公司，都使用了贝叶斯定理（Bayesian principles）为数据搜索提供近似的（但是技术上不确切）结果。
研究人员还使用贝叶斯模型来判断症状和疾病之间的相互关系，创建个人机器人，开发能够根据数据和经验来决定行动的人工智能设备。
贝叶斯原理及应用
贝叶斯决策理论是主观贝叶斯派归纳理论的重要组成部分。
贝叶斯决策就是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。
贝叶斯决策理论方法是统计模型决策中的一个基本方法，其基本思想是： 1、已知类条件概率密度参数表达式和先验概率。
2、利用贝叶斯公式转换成后验概率。
3、根据后验概率大小进行决策分类。
他对统计推理的主要贡献是使用了逆概率这个概念，并把它作为一种普遍的推理方法提出来。
贝叶斯定理原本是概率论中的一个定理，这一定理可用一个数学公式来表达，这个公式就是著名的贝叶斯公式。
贝叶斯公式是他在1763年提出来的： 假定B1,B2,……是某个过程的若干可能的前提，则P(Bi)是人们事先对各前提条件出现可能性大小的估计，称之为先验概率。
如果这个过程得到了一个结果A，那么贝叶斯公式提供了我们根据A的出现而对前提条件做出新评价的方法。
P(Bi∣A)既是对以A为前提下Bi的出现概率的重新认识，称 P(Bi∣A)为后验概率。
经过多年的发展与完善，贝叶斯公式以及由此发展起来的一整套理论与方法，已经成为概率统计中的一个冠以“贝叶斯”名字的学派，在自然科学及国民经济的许多领域中有着广泛应用。
公式： 设D1，D2，……，Dn为样本空间S的一个划分，如果以P(Di)表示事件Di发生的概率，且P(Di)>0(i=1，2，…，n)。
对于任一事件x，P(x)>0，则有： n P(Dj\\\/x)=p(x\\\/Dj)P(Dj)\\\/∑P(X\\\/Di)P(Di) i=1 ( ）贝叶斯预测模型在矿物含量预测中的应用 贝叶斯预测模型在气温变化预测中的应用 贝叶斯学习原理及其在预测未来地震危险中的应用 基于稀疏贝叶斯分类器的汽车车型识别 信号估计中的贝叶斯方法及应用 贝叶斯神经网络在生物序列分析中的应用 基于贝叶斯网络的海上目标识别 贝叶斯原理在发动机标定中的应用 贝叶斯法在继电器可靠性评估中的应用 相关书籍: Arnold Zellner 《Bayesian Econometrics: Past, Present and Future》 Springer 《贝叶斯决策》 黄晓榕 《经济信息价格评估以及贝叶斯方法的应用》 张丽 , 闫善文 , 刘亚东 《全概率公式与贝叶斯公式的应用及推广》 周丽琴 《贝叶斯均衡的应用》 王辉 , 张剑飞 , 王双成 《基于预测能力的贝叶斯网络结构学习》 张旭东 , 陈锋 , 高隽 , 方廷健 《稀疏贝叶斯及其在时间序列预测中的应用》 邹林全 《贝叶斯方法在会计决策中的应用》 周丽华 《市场预测中的贝叶斯公式应用》 夏敏轶 , 张焱 《贝叶斯公式在风险决策中的应用》 臧玉卫 , 王萍 , 吴育华 《贝叶斯网络在股指期货风险预警中的应用》 党佳瑞 , 胡杉杉 , 蓝伯雄 《基于贝叶斯决策方法的证券历史数据有效性分析》 肖玉山 , 王海东 《无偏预测理论在经验贝叶斯分析中的应用》 严惠云 , 师义民 《Linex损失下股票投资的贝叶斯预测》 卜祥志 , 王绍绵 , 陈文斌 , 余贻鑫 , 岳顺民 《贝叶斯拍卖定价方法在配电市场定价中的应用》 刘嘉焜 , 范贻昌 , 刘波 《分整模型在商品价格预测中的应用》 《Bayes方法在经营决策中的应用》 《决策有用性的信息观》 《统计预测和决策课件》 《贝叶斯经济时间序列预测模型及其应用研究》 《贝叶斯统计推断》 《决策分析理论与实务》
贝叶斯数学
以前纠结过类似的问题，当时模模糊糊地有这么几点东西，希望有帮助：1.概率和真实情况没关系。
概率是根据我们知道的信息去推理的。
若我们知道的信息不同，推出的结果也不同。
而真实情况永远是同样的，一点也没有变。
所以，别对“条件概率”有偏见。
当时就总觉得条件概率，多了条件两个字，它就低人一等，像是某种不符合真实情况的假设。
2.贝叶斯公式就是条件概率公式。
想象一个树状结构。
第一个点是原点，画出两个线条，两个线条末端各有一个节点，分别是机器故障，机器好。
这两个节点再各自分支成生产产品合格，生产产品不合格。
以前比较熟悉的条件概率的推理是，从第二级的某一个节点到第三级的某个节点。
而现在要进行的条件概率推理是，第三级的两个节点到第二级的一个节点。
幸运的是，用条件概率公式计算两种条件概率的分子是一样的。
经验贝叶斯方法的贝叶斯定理
阿贝尔-鲁菲尼定理 阿蒂亚-辛格指标定理 阿贝尔定理 安达尔定理 阿贝尔二项式定理 阿贝尔曲线定理 艾森斯坦定理 奥尔定理 阿基米德中点定理 波尔查诺-魏尔施特拉斯定理 巴拿赫-塔斯基悖论 伯特兰-切比雪夫定理 贝亚蒂定理 贝叶斯定理 博特周期性定理 闭图像定理 伯恩斯坦定理 不动点定理 布列安桑定理 布朗定理 贝祖定理 博苏克-乌拉姆定理 垂径定理 陈氏定理 采样定理 迪尼定理 等周定理 代数基本定理 多项式余数定理 大数定律 狄利克雷定理 棣美弗定理 棣美弗-拉普拉斯定理 笛卡儿定理 多项式定理 笛沙格定理 二项式定理 富比尼定理 范德瓦尔登定理 费马大定理 法图引理 费马平方和定理 法伊特-汤普森定理 弗罗贝尼乌斯定理 费马小定理 凡·奥贝尔定理 芬斯勒-哈德维格尔定理 反函数定理 费马多边形数定理 格林公式 鸽巢原理 吉洪诺夫定理 高斯-马尔可夫定理 谷山-志村定理 哥德尔完备性定理 惯性定理 哥德尔不完备定理 广义正交定理 古尔丁定理 高斯散度定理 古斯塔夫森定理 共轭复根定理 高斯-卢卡斯定理 哥德巴赫-欧拉定理 勾股定理 格尔丰德-施奈德定理 赫尔不兰特定理 黑林格-特普利茨定理 华勒斯-波埃伊-格维也纳定理 霍普夫-里诺定理 海涅-波莱尔定理 亥姆霍兹定理 赫尔德定理 蝴蝶定理 绝妙定理 介值定理 积分第一中值定理 紧致性定理 积分第二中值定理 夹挤定理 卷积定理 极值定理 基尔霍夫定理 角平分线定理 柯西定理 克莱尼不动点定理 康托尔定理 柯西中值定理 可靠性定理 克莱姆法则 柯西-利普希茨定理 戡根定理 康托尔-伯恩斯坦-施罗德定理 凯莱-哈密顿定理 克纳斯特-塔斯基定理 卡迈克尔定理 柯西积分定理 克罗内克尔定理 克罗内克尔-韦伯定理 卡诺定理 零一律 卢辛定理 勒贝格控制收敛定理 勒文海姆-斯科伦定理 罗尔定理 拉格朗日定理 (群论) 拉格朗日中值定理 拉姆齐定理 拉克斯-米尔格拉姆定理 黎曼映射定理 吕利耶定理 勒让德定理 拉格朗日定理 (数论) 勒贝格微分定理 雷维收敛定理 刘维尔定理 六指数定理 黎曼级数定理 林德曼-魏尔斯特拉斯定理 毛球定理 莫雷角三分线定理 迈尔斯定理 米迪定理 Myhill-Nerode定理 马勒定理 闵可夫斯基定理 莫尔-马歇罗尼定理 密克定理 梅涅劳斯定理 莫雷拉定理 纳什嵌入定理 拿破仑定理 欧拉定理 (数论) 欧拉旋转定理 欧几里德定理 欧拉定理 (几何学) 庞加莱-霍普夫定理 皮克定理 谱定理 婆罗摩笈多定理 帕斯卡定理 帕普斯定理 普罗斯定理 皮卡定理 切消定理 齐肯多夫定理 曲线基本定理 四色定理 算术基本定理 斯坦纳-雷姆斯定理 四顶点定理 四平方和定理 斯托克斯定理 素数定理 斯托尔兹-切萨罗定理 Stone布尔代数表示定理 Sun-Ni定理 斯图尔特定理 塞瓦定理 射影定理 泰勒斯定理 同构基本定理 泰勒中值定理 泰勒公式 Turán定理 泰博定理 图厄定理 托勒密定理 Wolstenholme定理 无限猴子定理 威尔逊定理 魏尔施特拉斯逼近定理 微积分基本定理 韦达定理 维维亚尼定理 五色定理 韦伯定理 西罗定理 西姆松定理 西尔维斯特-加莱定理 线性代数基本定理 线性同余定理 有噪信道编码定理 有限简单群分类 演绎定理 圆幂定理 友谊定理 因式定理 隐函数定理 有理根定理 余弦定理 中国剩余定理 证明所有素数的倒数之和发散 秩-零度定理 祖暅原理 中心极限定理 中值定理 詹姆斯定理 最大流最小割定理 主轴定理 中线定理 正切定理 正弦定理
