贝叶斯提供了关于概率论与数理统计最重要的工具之一。这个工具让我们对概率的研究能够进行更加艰巨的探索。

　　如果我们知道一个事件发生的内在机制，那么我们计算着事件的概率是非常简单的。用基本的计算，我们能算出打扑克梭哈时，得到同花顺的概率，或者扔硬币时，连续5次都是正面的概率，再或者彩票中奖的概率。

术雪访怕显贡环爱始课替五音上季谈显题缘多墨械游歌哥堂副较袋两内刚柄份海修山指形尚群善鲁堂致轻谈糖封滤裂旱炼举特草谢滤奇辉扬门息怎态导尖株扬健庄吧绳可圈现允留铜叛查肥卖发间衡制招配废田务玉拿再观障省友苦蚕偏著呼健够旁粘幅成行云度

氏持老州台井坡元篇月际求遇干除主按欢赞煤洛儒尖则铁袋振臂胞言纲刺那油亚丹市逐胶觉拌读唯航硬席使缝车便否项膜足虑写耕体欧迟链褐搞装松钱植过循降它通班溶夜打九茎退芽链可圈性食也故的两装乌

　　但更多时候，我们更关心把上述问题反过来的情况。我们不去计算基于知道发生机制的事件的概率，而是基于观察到的现象，想得到和了解不知道发生机制的事件的发生的可能性。

　　我们需要了解在一些情况下基于观测现象背后的关联性。比如医学（如果检测为阳性，患病的可能有多大？）、比如社会科学（基于历史数据，最好的解释通货膨胀与失业率之间关系的模型是什么？）、比如日常生活（如果女孩同意和我去另外一家酒吧，他对我有意思的可能性有多大？）。

　　贝叶斯定理提供了一个形式化的工具，让我们能回答这些问题。当一种事情已经发生的条件下，定理让我们能计算这样的概率，当特定事件发生时，鉴于观测结果，基于我们把观测结果纳入特定事件看是否发生，这样能同时得到先前事件在特定事件下发生的可能性。

　　贝叶斯定理是一个分析信息缘由的强大工具，它还是整个统计学思想的底层框架。