Notation - 「先验」和「后验」

"先验"（prior）和"后验"（posterior）是贝叶斯统计学中的重要概念。

1. 先验概率（Prior Probability）：在贝叶斯统计中，先验概率是指在考虑观测数据之前，我们对一个未知参数或假设的概率。先验概率基于我们对待估参数的主观或客观认知，可以是基于历史数据、专家知识或其他信息的概率。
2. 后验概率（Posterior Probability）：后验概率是在观察到一些数据（或"证据"）后，我们对一个未知参数或假设的更新概率。通过贝叶斯定理，我们可以结合先验概率和观察数据来计算后验概率。
   贝叶斯定理是这样表达的：P(A|B) = [P(B|A) * P(A)] / P(B)，其中：

• P(A|B) 是后验概率，也就是在给定证据B后，假设A的概率。
• P(B|A) 是似然度，也就是在假设A下，证据B的概率。
• P(A) 是先验概率，也就是在看到证据B之前，我们对假设A的概率。
• P(B) 是证据的概率。

在实际的统计分析或机器学习模型中，先验和后验概率被用来在收集到新数据之后，更新我们对未知参数或假设的信念。