先驗概率P(A)

先驗概率，在貝葉斯統計推斷中，是一個事件在收集新資料之前的概率。在進行實驗之前，這是基於現有知識對結果概率進行的最佳合理評估。

隨著新資料或資訊的出現，事件發生的先驗概率將被修正，以產生對潛在結果更準確的度量。修正後的概率成為後驗概率，用貝葉斯定理計算。在統計學上，後驗概率是事件A在事件B發生的前提下發生的概率。

例如，三英畝的土地上標有A、B和C三個標記。在英畝C上發現石油的先驗概率是1 / 3，即0.333。但如果在B英畝上進行鑽探試驗，結果表明該地點沒有石油，那麼在A和C英畝上發現石油的後驗概率為0.5，因為每英畝有1 / 2的機會。

=

其中P(A)是發生的先驗概率。

P(A|B)是給定B發生的A的條件概率。這是後驗概率，因為它依賴於B，假設A不獨立於B。

P(B|A)是在A發生的條件概率。

如果我們對事先觀察到的事件的概率感興趣;我們稱之為先驗概率。我們認為這個事件是A，它的概率是P(A)。如果有第二個事件影響P(A)我們稱之為事件B，那麼我們想知道在給定B的情況下A發生的概率是多少。在概率表示法中，這是P(A|B)，稱為後驗概率或修正概率。這是因為它發生在原發事件之後，因此在後發。這就是為什麼貝葉斯定理獨特地允許我們用新的資訊更新我們以前的信念。

後驗概率 P(A|B)

後驗概率是在考慮新資訊後對事件發生的概率進行修正。後驗概率是利用貝葉斯定理更新先驗概率來計算的。在統計學上，後驗概率是事件A在事件B發生的前提下發生的概率。

 後驗概率是在給定資料下，將觀測值分配給組的概率。先驗概率是在收集資料之前觀察到的資料被分成一組的概率。例如，如果你給某輛車的購買者分類，你可能已經知道60%的購買者是男性，40%是女性。如果你知道或能估計這些概率，判別分析可以用這些先驗概率來計算後驗概率。