貝葉斯主義（Bayesianism）

---

貝葉斯定理 (Bayes’ theorem)，是統計學中的一種計算方式，完整公式(含有多個假設):

$$P(H_i\mid D)=\frac{P(D\mid H_i)P(H_i)}{{\sum }_{j}P(D\mid H_j)P(H_j)}$$

簡化(單一假設)形式為:

$$P(A\mid B)=\frac{P(B\mid A)P(A)}{P(B)}$$

• $P(A)$（先驗機率）：在考慮任何關於事件 B 的證據之前，事件 A 發生的初始機率
• $P(B)$（邊緣似然值）：事件 B 發生的總體機率
• $P(B\mid A)$（似然值）：在事件 A 已經發生的情況下，事件 B 發生的機率
• $P(A\mid B)$（後驗機率）：在事件 B 已經發生的情況下，事件 A 發生的機率

---

然而，所有的機率都是統計後的結果(自身經驗)，所以能用這種方式解釋:

• $P(A)$：舊的假設(先入為主的想法)
• $P(B)$：某個特定結果出現的機率
• $P(B\mid A)$：如果舊假設成立，得到這個特定結果的機率
• $P(A\mid B)$：新的假設(修正後的想法)

把公式調整一下，得到:

$$P(A\mid B)=\frac{P(B\mid A)}{P(A)}\times P(B)$$

其中，$\frac{P(B\mid A)}{P(A)}$即是:「新的、來源於任何一處的證據」，它將被用於修正假設。

如此一來，便能得到這麼一個思想:

[新的假設]是[新的證據]與[舊的假設]結合後的產物

---

承認自己的愚蠢、承認自己的無知、承認自己眼界狹小，然後，一次又一次的擴展自身的思想與見識吧…