贝叶斯公式：

\[p(\theta\lvert x) = \frac{p(x\lvert\theta)p(\theta)}{p(x)}\]

\(x\)：观察得到的数据（结果）

\(\theta\)： 决定数据分布的参数（原因）

\(p(\theta\lvert x)\)：posterior（后验概率）

\(p(\theta)\)：prior（先验概率）

\(p(x\vert\theta)\)：likelihood

\(p(x)\)：evidence

先验概率：就是经验所透露出来“因”的概率

后验概率：就是在知道“果”之后，去推测“因”的概率