第13讲　每获得一条信息，贝叶斯推理就变得更精确一些

13-1　从“勉勉强强”的推测变为“更加精确”的推理

至此，我们已经对于贝叶斯推理“虽然存在牵强之处，但至少比毫无头绪要强多了” 的推理思路进行了数次解释说明。正因为这一点，贝叶斯推理也被称为“总经理的概率”（见7-3）。贝叶斯推理之所以显得有些“牵强”，主要是因为其中的先验概率。所谓先验概率，是指“在没有任何信息的情况下，暂且把所有可能性的概率设定为对等的（理由不充分原理）”，或者“从主观上进行设定”等，因而会令人感到“牵强”。

但反过来说，正是由于设定了这样的先验概率，贝叶斯推理从而具备了“即使只有少量信息（数据），也能够进行推理” 的优点。这一点也正是贝叶斯推理优于标准统计推理（内曼－皮尔逊式推理）的地方。

此外，贝叶斯推理还具有“将已经在推理过程中使用过的信息反映到后验概率之后，即使把它丢掉也没关系 ”的良好特性，这一特点被称为贝叶斯推理的学习功能。

实际上，贝叶斯推理还具备另外一个学习机能，也就是“信息越多，推理结果就越精确” 的性质，如图表13-1 所示。

图表13-1　信息越多，推理结果就越精确

接下来，按照顺序来对这个问题进行具体说明。