输入先验 P(A)、似然度 P(B|A) 和证据 P(B)。

贝叶斯定理是概率论中的一个基本原理，描述了如何根据新证据更新假设的概率。定理表达式为：P(A|B) = P(B|A) · P(A) / P(B)，其中 P(A) 是先验概率（证据之前的初始信念），P(B|A) 是似然度（在假设条件下证据的概率），P(B) 是证据的边际概率（总概率），P(A|B) 是后验概率（证据之后更新的信念）。该定理广泛应用于统计学、机器学习、医学诊断、垃圾邮件过滤和决策制定。它提供了一个在不确定性下进行推理的数学框架。计算器还计算贝叶斯因子（似然比），用于量化证据的强度，以及先验和后验比值，帮助以赔率或风险评估的形式解释结果。

1. 输入 先验 P(A) – 假设 A 的初始概率（0–100%）。
2. 输入 似然度 P(B|A) – 在 A 条件下证据 B 的概率（0–100%）。
3. 输入 证据 P(B) – 观察 B 的总概率（0–100%）。
4. 点击 计算后验概率 更新概率。
5. 结果显示后验概率、贝叶斯因子和比值。
6. 点击 重置 恢复默认示例值。