简介
贝叶斯原理解决了一个“逆向概率”问题。在贝叶斯理论出现之前，人们已经可以计算出正向概率。
正向概率：飞机遇到气流，飞机发生颠簸的概率有多大。
原因：飞机遇到气流
结果：飞机发生颠簸
这样的概率有多大可以经过统计方式得到。
但是，如果先知道结果，飞机发生颠簸，那是因为飞机遇到气流的概率有多大，这就是逆向概率问题。
公式说明
贝叶斯公式的表达式为
P(A|B)是已知B发生后，A原因的概率，是用结果推断原因。
P(A) 是A 原因 发生的概率，叫做先验概率，单纯这个原因发生的概率是多少。
P(B) 是 B 结果发生的概率，也叫做先验概率，也称为标准化常量。
P(B|A)是已知原因A，结果B会发生的概率是多少，是用原因推导结果，这个值是可以通过某些统计方式得到。
举例说明
要推断飞机发生颠簸，原因是什么，现在有两个可能原因，需要计算哪个可能性大，分别是：飞机要失事和飞机遇到气流。
在这个事件中，有两个正向的条件概率，分别是：
P(剧烈颠簸|飞机失事) = 100%
P(剧烈颠簸|飞机遇到气流)=10%
是不是咋一看，貌似飞机失事的可能性更大一些，但是这里忽略了一个条件，就是先验概率。
这个事件中，先验概率为
P(飞机失事) = 1/123000*365
p(飞机遇到气流) = 0.9
代入公式
对比可以看出，飞机遇到气流的概率会更大，这就是贝叶斯公式的推导过程。
总结
贝叶斯定理目前已经被大规模运用于如下领域：自然语言处理，机器学习，推荐系统，图形识别和博弈论等等。