先验与后验

prior、posterior 和 likelihood 是贝叶斯统计模型的几个核心字眼， prior 和 posterior 都是关于参数的分布，prior 是我们所假设的参数本来的分布，而 posterior 则是在观察到训练数据之后得到的条件分布。而 likelihood 则完全不一样，一方面它是关于数据 x 的，另一方面它没有被归一化，所以也并不是一个合法的概率分布。

任意一个未知量 都可以看做一个随机变量，这个随机变量服从某种概率分布，也就是从某一个概率分布中随机抽取的一个变量，抽取出来的这个变量我们把它认做prior，它不是一个单纯的值，而是含有隐含信息，这个信息就是它服从某种概率分布。

posterior是对prior和likelihood的直观陈述形式，它们之间的关系：posterior=likelihood*prior.

故 posterior 也服从某种分布，这也是解释了文章开头为什么prior 和 posterior 都是关于参数的分布。

http://blog.sina.com.cn/s/blog_4ce95d300100fwz3.html

http://www.docin.com/p-133146556.html