它主要应用有哪些 应用指什么

贝叶斯概率概述贝叶斯概率是由贝叶斯理论所提供的一种对概率的解释,它采用将概率定义为某人对一个命题信任的程度的概念 。贝叶斯理论同时也建议贝叶斯定理可以用作根据新的信息导出或者更新现有的置信度的规则 。
贝叶斯概率的历史贝叶斯理论和贝叶斯概率以托马斯·贝叶斯(1702-1761)命名,他证明了现在称为贝叶斯定理的一个特例 。术语贝叶斯却是在1950年左右开始使用,很难说贝叶斯本人是否会支持这个以他命名的概率非常广义的解释 。皮埃尔-西蒙·拉普拉斯证明了贝叶斯定理的一个更普遍的版本,并将之用于解决天体力学、医学统计中的问题,在有些情况下,甚至用于法理学 。但是皮埃尔-西蒙·拉普拉斯并不认为该定理对于概率论很重要 。他还是坚持使用了概率的经典解释 。
Frank P. Ramsey在《数学基础》(1931年)中首次建议将主观置信度作为概率的一种解释 。Ramsey视这种解释为概率的频率解释的一个补充,而频率解释在当时更为广泛接受 。统计学家Bruno de Finetti于1937年采纳了Ramsey的观点,将之作为概率的频率解释的一种可能的代替 。L. J. Savage在《统计学基础》(1954年)中拓展了这个思想 。
有人试图将“置信度”的直观概念进行形式化的定义和应用 。最普通的应用是基于打赌:置信度反映在行为主体愿意在命题上下注的意愿上 。
当信任有程度的时候,概率计算的定理测量信任的理性程度,就像一阶逻辑的定理测量信任的理性程度一样 。很多人将置信度视为经典的真值(真或假)的一种扩展 。
Harold Jeffreys, Richard T. Cox, Edwin Jaynes和I. J. Good研究了贝叶斯理论 。其他著名贝叶斯理论的支持者包括John Maynard Keynes和B.O. Koopman 。
贝叶斯概率的变种