Với mọi biến cố A và B thỏa mãn P(A)>0 và P(B)>0, ta có P(A∣B)=P(B)P(B∣A)P(A). Tổng quát hơn, nếu A1,…,Ak tạo thành một phân hoạch của không gian mẫu với P(Ai)>0 và P(B)>0, thì với mỗi j, P(Aj∣B)=∑i=1kP(B∣Ai)P(Ai)P(B∣Aj)P(Aj).
Vì sao đúng?
Định lý Bayes là quy tắc toán học để đảo chiều xác suất có điều kiện: nó cho biết cách cập nhật niềm tin tiên nghiệm P(A) về một nguyên nhân ẩn A thành niềm tin hậu nghiệm P(A∣B) sau khi quan sát bằng chứng B, bằng cách nhân trọng số tiên nghiệm với mức độ mà A có khả năng sinh ra B.
Phác thảo chứng minh
Theo định nghĩa xác suất có điều kiện, P(A∣B)=P(B)P(A∩B) khi P(B)>0, và đối xứng ta có P(B∣A)=P(A)P(A∩B) khi P(A)>0. Cho hai biểu thức của P(A∩B) bằng nhau ta được P(A∩B)=P(B∣A)P(A), rồi chia cho P(B) sẽ thu được P(A∣B)=P(B)P(B∣A)P(A). Nếu A1,…,Ak phân hoạch không gian mẫu, công thức xác suất đầy đủ khai triển mẫu số thành P(B)=∑i=1kP(B∩Ai)=∑i=1kP(B∣Ai)P(Ai).