这个非同寻常的重要定理，只不过是“从经验中进行学习的主要规则”，它给我们提供了“一个符合普通感知和普通常识的形式化规则，在我们运用经验（或数据）的过程中，它能给予我们指导，如何作出选择假说的决定。“

• 简单形式：

  • P(H|D) ∝ P(D|H)XP(H)
  • 或者：后验 ∝ 或然率 X 先验 （注：符号“∝”意为“成比例于，与……成比例”）

• 三个组成部分的基本含义：

  • 先验：是“先验概率”的简称。是一个初始的概率，命题为真的初始概率或一个事件发生的初始概率，估算先验是为了收集某些特定的数据或证据。
  • 或然率：或然率概括了数据对假说概率的影响。低的或然率表示低的确定性，反之则高。
  • 后验：是“后验概率”的简称。还可以使用“当前的”。在任何情况下，“后验”一词都意味着，在或然率所考虑的情况下，使用过新的信息之后的结果。
  • 引申：当前概率“成比例与”初始概率 X 或然率（哈哈，更通俗，更好记）
    • “成比例”与“等于”的区别：如同百倍放大镜的刻度值要乘以0.87后才“等于”实际值，但它的值却与际值的变化是“成比例”的。去掉那个参数，就是“成比例”，加上那个参数，就是“等于”。

• “在统计学发展的历史过程中，贝叶斯定理作为一个主要的步骤，第一次实现了概率的反演。”

• 贝叶斯定理：两假说模式（H1、H2相互排斥，联合穷尽）

  • 

• 贝叶斯定理：比例模式

  • 

可以这样读：后验之比＝或然率之比 X 先验之比