貝氏定理

貝氏定理（Bayes' theorem）是把條件機率反過來的規則：它把你通常量得到的 P(證據 | 假設) 轉換成你真正想知道的 P(假設 | 證據)。它會把這個量測值，跟「假設原本有多常見」（先驗，prior）結合起來。

它是用資料更新信念的正式配方，也是貝氏統計的基礎。它最違反直覺的一課是「基本率效應」：對罕見的狀況，即使是準確的檢測也會製造出大量假警報，因為健康的人實在多太多，被誤判的人數會壓過真正的病例。