注釋：最近一直看到先驗后驗的說法，一直不懂，這次查了資料記錄一下。
1.先驗和后驗的區別：
A.簡單的了解兩個概率的含義
先驗概率可理解為統計概率，后驗概率可理解為條件概率。
-----------------------------------------------------------------------------------------------------------
設定背景：酒至半酣,忽陰雲漠漠,驟雨將至。
情景一：
“天不會下雨的，歷史上這里下雨的概率是20%”----先驗概率
“但陰雲漠漠時，下雨的概率是80%”----后驗概率
“飛飛別急着走啊，歷史上酒桌上死人的概率只有5%“----先驗概率
”可他是曹操啊，夢里都殺人“----后驗概率
我們來看一下貝葉斯統計的一個有趣的案例案例：假如你是一個女生， 你在你的老公書包里發現了一個別的女人的內褲那么他出軌的概率是多少。
圖：貝爺居然能解決家庭糾紛？
稍微熟悉這個問題的人對會知道做這個題目你要先考察基率，你要把這個問題分解為幾步考慮：
1，你老公在沒有任何概率情況下出軌的概率是多少？ 如果他是個天生老實巴交的程序員或者風流倜儻的CEO， 那么顯然不該一視同仁
2，如果你老公出軌了， 那么他有一條內褲的概率是多少， 如果他沒出軌， 出現這個情況概率有多少？ 想想一般人即使出軌也不會犯那么傻的錯誤， 會不會有沒出軌而出現內褲的狀況？ 有沒有可能是某個暗戀你老公的人的陷害？
3， 根據1 和2求解最終問題，這才是擁有大學數學能力的你該做的分析。
在這里1其實就是先驗概率P（A），而2是條件概率P（B|A）， 最終得到3后驗概率P（A|B）。這三種即是貝葉斯統計的三要素。
基於條件概率的貝葉斯定律數學方程極為簡單：
A即出軌， B是內褲出現， 你得到1，2，就可以根據公式算出根據根據內褲出現判斷出軌的概率。
先驗概率在貝葉斯統計中具有重要意義，首先先驗概率即我們在取得證據之前所指定的概率P（A）， 這個值通常是根據我們之前的常識，帶有一定的主觀色彩。 就像剛剛說的出軌的問題， 你的先驗概率代表了你對你男人的信心。
有一個非常有趣的現象是如果我們的先驗概率審定為1或0（即肯定或否定某件事發生）， 那么無論我們如何增加證據你也依然得到同樣的條件概率（此時P（A）=0 或 1 ， P（A|B）= 0或1） 這告訴我們的第一個經驗就是不要過早的下論斷， 下了論斷你的預測也就無法進化了， 或者可以稱之為信仰。 你如果想讓你的認知進步，就要給各種假設留一點空間。
貝葉斯分析的思路對於由證據的積累來推測一個事物發生的概率具有重大作用， 它告訴我們當我們要預測一個事物， 我們需要的是首先根據已有的經驗和知識推斷一個先驗概率， 然后在新證據不斷積累的情況下調整這個概率。整個通過積累證據來得到一個事件發生概率的過程我們稱為貝葉斯分析。
2.似然函數：
應用在概率函數中，其實和概率函數差不多，就是一個數產生的概率函數，比如：
引申到“最大似然函數”：就是求最大概率下的參數。
知乎上這個解釋感覺很完美：
3.先驗、后驗和似然函數的區別
先驗和后驗都是一個概率問題，然而似然函數不是一個概率，似然的作用是找到一個最大概率發生的值，所以他是一個確定的值或者近似接近的值。
有個不成熟的比喻：后驗概率=先驗概率*似然函數
參考知乎大神回答：https://www.zhihu.com/question/27398304
https://www.zhihu.com/question/24261751