贝叶斯定理也可以被称之为贝叶斯推理，是关于随机事件a和b的条件概率的一则定理。根据不能够确定的信息，作出推理和决策，需要对于各种结论的概率作出一定的预计，这一类的推理被称之为概率推理，概率推理是概率学和逻辑学的研究对象，也是心理学的研究对象，但是研究的角度有所不同，概率学和逻辑学的研究是客观概率推算的公司或规则，而心理学研究人们主观概率的预计的认知加工过程规律。

贝叶斯推理的问题是条件概率推理问题，这一个领域的探讨对于揭示人们对概率信息的认知和加工过程以及规律，指导人们进行有效的学习判断决策，都拥有非常重要的理论意义和实践意义。

贝叶斯定理在检测吸毒的时候也是比较有用的，假定一个常规的检测结果的敏感度和可靠度都是99%，也就是说当被检者吸毒的时候，每一次检测呈现阳性的概率为99%，而被检者不吸毒的时候，每一次检测呈阴性的概率为90%，就从检测结果的概率来看检测结果是比较准确的。

在互联网行业当中搜索巨人谷歌一家出售信息恢复工具的公司也都使用了贝叶斯定理，为数据搜索提供近似的但是技术上不确切的结果，研究人员还使用贝叶斯的模型来判断症状和疾病之间的相互关系创建了个人机器人，开发能够根据数据和经验来决定行动的人工智能设备。

温馨提示：《如何理解贝叶斯定理》内容整理自网络以及网友投稿，仅供参考交流使用，版权归原作者所有，如有侵权请联系本站删除，谢谢。投资有风险，入市需谨慎。