Posterior Probability 发音

定义 Definition

后验概率，指在获得新的观测数据或证据之后，对某一事件发生的概率进行更新后的概率值。它是贝叶斯统计中的核心概念，与"先验概率"（prior probability）相对。

发音 Pronunciation

/pɒˈstɪəriər prɒbəˈbɪləti/

例句 Examples

We can update the posterior probability after observing the test results.
在观察到检测结果后，我们可以更新后验概率。

In Bayesian inference, the posterior probability combines prior knowledge with new evidence to give a more accurate estimate of the likelihood of a hypothesis being true.
在贝叶斯推断中，后验概率将先验知识与新证据结合起来，从而更准确地估计某一假设为真的可能性。

词源 Etymology

posterior 源自拉丁语 posterior，意为"在后面的、之后的"，强调时间或顺序上的"后"。probability 源自拉丁语 probabilitas，由 probabilis（可证明的、可信的）派生而来。合在一起，posterior probability 字面意思就是"在（获得证据）之后的概率"，与 prior probability（先验概率，即获得证据之前的概率）构成一对概念。这一术语随着18世纪托马斯·贝叶斯（Thomas Bayes）提出贝叶斯定理而被广泛使用。

相关词汇 Related Words

• Prior Probability
• Bayesian Inference
• Likelihood
• Conditional Probability
• Bayes' Theorem
• Hypothesis
• Statistical Inference
• Evidence

文学与学术引用 Notable References

• 《概率论与数理统计》（陈希孺）——中国经典统计学教材，系统讲解了后验概率在贝叶斯框架中的应用。
• *"An Essay towards Solving a Problem in the Doctrine of Chances"*（Thomas Bayes, 1763）——贝叶斯定理的奠基之作，后验概率的概念由此正式进入数学领域。
• The Theory That Would Not Die (Sharon Bertsch McGrayne, 2011) ——讲述贝叶斯定理及后验概率概念的历史，从被忽视到成为现代统计与机器学习基石的过程。
• Pattern Recognition and Machine Learning (Christopher Bishop, 2006) ——机器学习领域的经典著作，大量运用后验概率进行模型推断与参数估计。