对事件发生的可能性做出的重新认识，体 现了已有信息带来的知识更新.
贝叶斯公式给出了‘结果’事件B
已发生的条件下，‘原因’事件的条 件概率.
从这个意义上讲，它是一个“执果索因”
为先验概率 （PriorProbability），而把称为后验概 率 （ Posterior Probability）， 这 是
在已有附加信息（即事件B已发生）之后
§1.5 条件概率、全概率公 式和贝叶斯公式
一、条件概率
简单地说，条件概率就是在一定附加条件之 下的事件概率.
从广义上看，任何概率都是条件概率，因为 任何事件都产生于一定条件下的试验或观察， 但我们这里所说的“附加条件”是指除试验条 件之外的附加信息，这种附加信息通常表现为 “已知某某事件发生了”
这一公式最早发表于1763年，当时贝 叶斯已经去世，其结果没有受到应有 的重视. 后来，人们才逐渐认识到了 这个著名概率公式的重要性. 现在， 贝叶斯公式以及根据它发展起来的贝 叶斯统计已成为机器学习、人工智能、 知识发现等领域的重要工具.