贝叶斯推断不用怕公式：先验、似然、后验，用生活例子一次讲懂
很多人一听到贝叶斯推断就想合上书，觉得那是数学家的事。其实它讲的是一件很日常的事：你本来有个判断，看到新证据之后，把判断更新一下。每天出门前看天、收到可疑短信时犹豫、听到朋友推荐一家餐厅时半信半疑，背后都是同一种思路。先把公式放一边，先把三个词弄懂，这篇文章就读懂了一大半。
先记住一句话：先有判断，再看证据，再更新判断
贝叶斯推断的核心可以浓缩成一句话：后验等于先验乘以似然，再做一次归一化。这句话里有三个主角。先验是你看到新证据之前的判断，似然是新证据在不同判断下出现的可能性，后验是你看完新证据之后的判断。归一化只是把结果调回概率的样子，让所有可能加起来等于一，不用深究。
举一个最简单的例子。出门前你想，今天会下雨吗？你心里先有个大概，这就是先验。你抬头看天，发现乌云很厚，这就是新证据。乌云出现时，下雨的日子比不下雨的日子多得多，这就是似然在起作用。综合之后，你觉得下雨的可能性比出门前更高了，这就是后验。整个过程没有用到高深数学，只是把直觉说得更清楚。
先验：出发之前，你本来怎么想
先验就是证据出现之前，你对一件事的相信程度。它不是瞎猜，而是来自过去的经验、常识和已有的数据。比如你住的城市一年里大约有三分之一的日子下雨，那么在没有看天的情况下，你对今天下雨的判断就可以先定在一个不算高也不算低的位置。这就是一个先验。
先验可以很确定，也可以很模糊。确定，是因为你有大量过去的数据撑腰；模糊，是因为你对这件事几乎一无所知。比如你第一次去一个陌生城市，不知道它爱不爱下雨，先验就可以定得很宽，相当于说各种可能都差不多。这种坦白的不知道，反而是贝叶斯推断的优点：它允许你把不知道写下来，而不是假装自己很确定。
似然：新证据更支持哪一种可能
似然这个词听起来很绕，意思却很直白：假设某个判断是对的，新证据出现的可能性有多大。它不是问证据本身有多常见，而是问证据在不同判断下有多常见。
还是用带伞的例子。假设今天真的会下雨，早上出现大片乌云的可能性很高；假设今天不会下雨，早上出现同样厚重乌云的可能性就低一些。两个可能性一对比，乌云这个证据就更支持会下雨这个判断。似然做的就是这个对比工作。
后验：看完证据之后，你的新判断
后验是把先验和似然放在一起之后得到的新判断。它不是把旧判断扔掉，也不是只相信新证据，而是两者相乘再调整。你可以把它想成一次加权：先验给出起点，似然给出方向和力度，后验就是更新后的位置。
用数字举例会更直观，下面这些数字只是举例，不是实测数据。假设在没有看天的情况下，你觉得今天下雨的可能性是三成，这是先验。早上你看到乌云密布，查了一下自己的经验：在过去会下雨的日子里，十天里有八天早上是这种乌云；在不会下雨的日子里，十天里只有两天是这种乌云。乌云这个证据更支持会下雨，于是更新后的判断不再是三成，而是升到了六成多，这就是后验。这个六成多不是天气预报的真实概率，只是一个用来演示计算思路的举例数字。
公式其实只有一行，逐个符号讲给你听
如果你愿意看一眼公式，它其实只有一行，标准表述为后验概率等于似然乘以先验，再除以证据出现的总概率，核实日期为 2026-11-09。写成符号就是 P（H|E）等于 P（E|H）乘以 P（H），再除以 P（E）。这里的竖线读作在什么条件下，H 代表你的假设，E 代表你看到的证据。
逐个解释：P（H）是先验，也就是证据出现之前，假设成立的概率；P（E|H）是似然，也就是假设成立时，看到这个证据的概率；P（H|E）是后验，也就是看到证据之后，假设成立的概率；分母 P（E）是证据出现的总概率，不管假设成不成立，把所有可能加起来算一次，作用是让结果仍然是一个合法的概率。很多入门讲解会把分母先略去，只说后验正比于似然乘以先验，因为比较大小时分母对所有假设都一样。
这个公式真正重要的不是背下来，而是看懂它的方向：证据不是直接告诉你结论，而是通过似然去调整你原来的判断。先验很强时，一条弱证据很难改变结论；先验很弱时，一条强证据可以迅速扭转局面。公式把这种直觉量化了，仅此而已。
一个容易踩的坑：把似然当成后验
初学者最容易混淆的，就是似然和后验。举一个看病的例子能讲清楚：一种病在人群里很少见，这是先验；一种检测对这种病很灵敏，病人测出阳性的概率很高，这是似然；但你拿到阳性结果之后，真正得病的概率是后验，它不等于检测的灵敏度。因为人群里健康人很多，即使健康人测出阳性的概率很低，绝对数量也可能不少。
什么时候用贝叶斯思路，什么时候不用
贝叶斯思路最适合三种情况：第一，你本来就有一个判断，但不确定；第二，新证据会陆续到来，而不是一次给完；第三，你想知道的是一个概率，而不是一个非黑即白的答案。比如判断一封邮件是不是垃圾邮件、估计一个新产品的真实好评率、跟踪一台设备是不是快坏了，都是它的主场。
结尾：记住三个词，就能用起来
回到开头那句话：先验是出发前的判断，似然是证据的指向，后验是更新后的判断。下次遇到需要判断的事，不妨在心里走一遍这三步：我原来怎么想？新证据更支持哪种可能？看完证据之后，我的判断应该往哪个方向动、动多少？不用每次都算出精确数字，能走通这个思路，就已经在用贝叶斯推断了。
公式可以慢慢学，直觉可以先用起来。贝叶斯推断不是让你变得更像数学家，而是让你在证据面前更诚实：承认自己原来不确定，看到证据就更新判断，并且愿意在下一条证据来的时候再更新一次。