看了貝葉斯定理，大多數文章都一步步解釋貝葉斯公式，用抽象的實例如計算髮病率，計算吸毒率甚至計算渣女的機率解釋這個偉大的公式，又爲此搞出一堆「先驗率」、「後驗率」等抽象的詞彙解釋公式內涵。一個命題尚未說清楚又搞出一些新詞彙、新概念反而污染了公式自己的純粹性和樸實性。3d
咱們試圖想象貝葉斯是怎麼想出這個定理？都是人類爲何他能想出來，他的思惟邏輯怎麼造成的，這個問題說明白了對人類從事工做有着重要意義。而不是死記別人公式，用一個個概念騙人，堂而皇之的說成「術語」。事件
假設有A集合，B集合，A和B有交集，A+B是全集，這就是貝葉斯所知道的已知條件。貝葉斯喜歡琢磨，琢磨什麼呢？就是A和B都是機率，A∩B這個機率怎麼表示，由於當一些人琢磨八股文用畢生精力搏取功名的時候，貝葉斯的追求是怎麼用公式表達天然界，越簡單越好，至於以後能用到哪裏不是他關心的事。。。。class
由於A與B有交集，那麼B在A裏佔比多少？A在B裏佔比多少？先無論他是否是機率，Thomas Bayes給出了第一個抽象表示，即集合
A∩B/B，交集在B裏的佔比，反之A∩B/A是交集在A裏的佔比，再簡化表示一下，di
A|B=A∩B/B （1）交集在B裏佔比co
B|A=A∩B/A （2）交集在A裏的佔比思維
公式(1)和(2)裏有公用項，Thomas Bayes堅決果斷的抵消公用項以簡化公式，即術語
A|B/(B|A)=A/B 工作
如以上A,B代指不一樣事件的機率，即實例
P(A|B)=P(A)*P(B|A)/P(B) (3)
公式（3）就是大名鼎鼎的貝葉斯定理公式，這個公式在其死後被發現，對條件機率有巨大貢獻。
也就是說
P(A),P(B)分別表明兩個不一樣事件的發生機率，貝爺想知道，B事件發生時，A發生的機率P(A|B)，該機率等同於P(A)和一個因子結合，這個因子就是P(B|A)/P(B)，也就是說，A事件發生時，B發生的機率與P(B)的比。
進一步說，
想計算B事件發生時，A發生的機率能夠理解成A自己的機率受一個因子干擾，這個因子可能放大A自己的機率，也可能下降A自己的機率，若是A發生時，B發生機率越大，P(A|B)越大，成正比，反之，P(B)越大，P(A|B)越小，成反比。
因此，女孩去夜店次數越多，是渣女的機率就越大，P(渣女|夜店）=P(渣女）* P（夜店|渣女）/ P(夜店）， 關鍵因子P（夜店|渣女），渣女多出如今夜店這個事實加強了夜店裏的女孩是渣女的機率。
那麼能夠用簡短的一句話歸納貝爺的定理：
P(A|B)與P(B|A)成正比，與P(B)成反比。