बस रखो, और किसी भी गणितीय प्रतीकों के बिना, पूर्व साधन संभावना वितरण के मामले में एक घटना के बारे में प्रारंभिक विश्वासों । आप फिर एक प्रयोग सेट करते हैं और कुछ डेटा प्राप्त करते हैं, और फिर प्रयोग के परिणाम के अनुसार अपने विश्वास (और इसलिए संभावना वितरण) को "अपडेट" करते हैं, (पोस्टीरियर प्रायिकता वितरण)।
उदाहरण:
मान लें कि हमें दो सिक्के दिए गए हैं। लेकिन हम नहीं जानते कि कौन सा सिक्का नकली है। सिक्का 1 निष्पक्ष है (हेड्स और कलर्स में 50% संभावना है), और सिक्का 2 पक्षपाती है, कहते हैं, हम जानते हैं कि यह 60% संभावना के साथ हेड्स देता है। गणितीय:
पी ( एच)| सीओ मैं एन1) = 0.4
पी ( एच)| सीओ मैं एन2) = 0.6
इसलिए, यह वह सब है जिसे हम प्रयोग करने से पहले जानते हैं।
अब हम एक सिक्का उछालने जा रहे हैं, और जो जानकारी हमारे पास है (H या T) उसके आधार पर हम अनुमान लगाने जा रहे हैं कि हमने कौन सा सिक्का चुना है (सिक्का 1 या सिक्का 2)।
पी ( सी)ओ मैं एन1) = पी ( सी)ओ मैं एन2) = 0.5
पी ( सी)ओ मैं एन1| एच) = पी ( एच| सीओ मैं एन1) पी ( सीओ मैं एन1)पी ( एच)| सीओ मैं एन1) पी ( सीओ मैं एन1) + पी ( एच| सीओ मैं एन2) पी ( सीओ मैं एन2)= 0.4 × 0.50.4 × 0.5 + 0.6 × 0.5= 0.4
पी ( सी)ओ मैं एन2| एच) = पी ( एच| सीओ मैं एन2) पी ( सीओ मैं एन2)पी ( एच)| सीओ मैं एन1) पी ( सीओ मैं एन1) + पी ( एच| सीओ मैं एन2) पी ( सीओ मैं एन2)= 0.6 × 0.50.4 × 0.5 + 0.6 × 0.5= ०.६
0.5
यह मशीन सीखने में इस्तेमाल किए जाने वाले बायेसियन इंजेक्शन और सांख्यिकी का मूल सिद्धांत है।