前言
在試著讀懂狂徒兄的文章《Black Litterman 資產配置的好武器》前，貓貓試著先了解一下作為鋪墊的文章《Bayesian 機率》。狂徒兄在文章中僅以 A,B 來代表事件，很單純地寫下貝氏定理(Bayes' theorem)，而貓貓希望稍稍換成貝氏推論(Bayesian inference)的寫法，並補上對於過去及未來的討論。
貝氏推論
(Bayesian Inference)
區分預測能力與解釋能力
預測能力 P(E|H)，在本文中為一種機率(Probability)，
而數據解釋力 P(H|E)，在本文則為概似性(Likelihood function)。
其中差別請見:
假設討論
在本文中所作假設: 未來與過去沒什麼不同。本身很缺乏根據，只是方便起見所作假設。
除此之外，僅以過去數據來看待未來，似乎犯了看後照鏡開車的問題。
並且，同時假設了作出假說 H 的舉動並不影響未來，然而行為本身對於事件可能的影響或許需要因果推論(Causal inference)來進一步討論。
對於因果關係，似乎有本書《因果革命：人工智慧的大未來》(The Book of Why： The New Science of Cause and Effect)有作介紹。於此同時，也有人在 Youtube 上對這本書作介紹:
或許可以作為一個有趣的學習主題。
