无论是在我们的生活还是工作中都会存在这些错综复杂的小问题的困扰。那么先抛开这些小问题，对一些重要的「简单的问题」，我们应该如何做出决策呢？我们一起来了解下「贝叶斯决策理论」。
贝叶斯理论是统计决策中的一个基本方法，方法不难，我们先来熟悉下以下两个概念，你就可以轻松预测事件。
先验概率：是在缺乏某个事实的情况下描述一个随机变量，通常是经验丰富的专家的纯主观的估计。
后验概率：是在考虑了一个事实之后的条件概率，可以根据贝叶斯定理，用先验概率和似然函数计算出来。
贝叶斯理论是一个叫贝叶斯的英国人发明创造的。他的专业是神父，兼职是数学学者。就是这位业余数学爱好者，为了证明上帝是存在的，发明了概率统计原理。虽然他到死都没能证明上帝的存在，但这不影响他创立的贝叶斯统计理论，给人类的统计学事业做出了巨大贡献。
贝叶斯决策理论是主观贝叶斯派归纳理论的重要组成部分，是在不完全情报下，对部分未知的状态用主观概率估计，然后用贝叶斯公式对发生概率进行修正，最后再利用期望值和修正概率做出最优决策。
贝叶斯理论假设人在世界状态空间、结果空间和行动空间上具有完全的知识，通过对这些知识进行计算而得出最佳行动方案。
那么，我们在生活和工作中该如何应用叶斯理论呢？先来看一个比较生活气息的例子。
周末去菜场买菜，某个摊位上放了一大堆西红柿，摊主说逐个挑选的话，五块钱一斤，不挑选直接装的话，四块钱一斤。你打算怎么买？如果我们运用贝叶斯理论，正解应该是：
选择一块视线可以轻松覆盖的西红柿区域，观察这一区域里有几个西红柿是不新鲜甚至破损的，如果10个西红柿中有一到两个是你不能接受的，那么，你就决定“不挑”，按四元一斤买；如果不能接受的西红柿有5个甚至更多，那么，咱还是接受五元一斤，逐个挑拣着买吧。我们不能将摊主的西红柿翻个底朝天去看货色，所以我们只能选择一小部分西红柿的成色，做个预判，最后推测出这一堆西红柿的状态。最后，别忘记了，贝叶斯理论也有反面案例哦，如果西红柿摊主是个狡猾的家伙，他把大量坏西红柿藏在底层，表面一层的都是好看的，饱满的，偶尔夹杂个别不太好的，我们就容易误判了。
再比如石油勘探，为了提高钻探的效果，就需要通过做地震试验来判断某区域石油存在的可能性有多大，这时以往积累的做地震试验的数据对于确定一个事先假设的概率（即先验概率）就十分重要了。
所以说可以先由过去的经验或相关专家们的估计获得将要发生事件的先验概率，然后通过调查或做试验等途径去获得更多的新信息。这样便可通过贝叶斯定理计算出通过调查试验而获得的新信息之后事件的后验概率。
由此可见，贝叶斯决策理论适用于以下场合：
·样本（子样）的数量（容量）不充分大，因而大子样统计理论不适宜的场合；
·试验具有继承性，反映在统计学上就是要具有在试验之前已有先验信息的场合。
具体来说，因为贝叶斯决策理论方法是统计模式识别中的一个基本方法，几乎涉及人类生活的方方面面，大至医疗诊断（如疾病判别）、经济决策（如地产开发）、工业产业（如探矿工程）、军事问题（如情报分析），小如人脸识别问题、图像标注问题、车用汽油红外光谱识别问题乃至垃圾邮件的过滤问题，都可运用贝叶斯决策理论解决。
最后归纳，贝叶斯理论的亮点就是只要我们有一定经验积累，有分析和判断的能力，我们就能轻松掌握它，利用它给自己的生活和工作带来便利。
问题反思：
·你在做决策的过程中有应用过贝叶斯理论吗？是在什么样的场景中应用的呢？
