贝叶斯方法及其价值认知
贝叶斯方法是将贝叶斯定理应用到经济学、法学或其他科学领域，将该定理作为推导结论的假说并对其进行逻辑认证和定量分析的方法。贝叶斯定理是贝叶斯方法的核心，而贝叶斯定理是在概率运算中产生的。因此，为了陈述贝叶斯定理，必然涉及概率及概率的演算。
（一）贝叶斯及贝叶斯定理
贝叶斯（Bayes），全名托马斯·贝叶斯，1702年生于伦敦，英国数学家、受人尊敬的英格兰长老会牧师、神父。致力于用概率论的方法研究归纳推理，因证明和建立贝叶斯定理而闻名于世。而了解概率、条件概率、全概率公式对陈述贝叶斯定理是必要的。
“概率”又称或然率，它是对某随机事件或发生或不发生的可能性的测度。任意一个事件A的概率值都在0和1之间，可以表述为0≤P（A）≤1。在概率的应用过程中，由于人们对概率值获取的途径不同对其进行了不同的解释。主要分为：古典解释、频率解释、逻辑解释和主观解释。其中，概率的主观解释是目前唯一具有内部协调性及一致性的概率理论。在主观概率的解释中，无论主观置信度是个人的还是群体的，都必须满足概率演算的基本公理[2]。
预设事件（或命题）先验概率是已知的，运用合取、析取、否定等符号可以对先验概率进行运算。在运算中，当已知证据A出现的条件下B出现的概率，称为条件概率。通常表达方式即P（B/A）和P（A/B）。而P（A）或P（B）则称为无条件概率。在命题概率逻辑的运算中，运用条件概率P（B/A）和P（B/¬A）求出无条件概率P（B），又成为全概率公式。即：
P（B）=P（A）×P（B/A）＋P（¬A）×P（B/¬A）
利用全概率公式进行命题演算，贝叶斯通过证明得到了贝叶斯定理。
公式如下：
P（A/B）=［P（A）×P（B/A）］/［P（A）×P（B/A）＋P（¬A）×P（B/¬A）］
该公式称为贝叶斯定理。
贝叶斯定理中的A与¬A表示互斥又穷举的两个事件（命题），B为证据。P（A）和P（¬A）是互斥事件的概率值，该概率值是经验概率或先验概率；P（B/A）是在事件A发生后事件B发生概率；P（B/¬A）则与之相反。利用贝叶斯定理，我们可以由各个事件（或命题）的无条件概率P（A）和证据B相对于各个事件的条件概率P（B/A）计算出任一事件A相对于证据B的条件概率P（A/B），即事件B发生的前提下，事件A发生的概率。
现假定有两个外观相同的纸盒甲、乙，其中每个盒子装有10个球，甲盒中装有2个白球、8个黑球，乙盒中各装5个白球和黑球。某人从两个盒子中取出一个来，但不知道什么球；然后他从盒中又取出来一个，并发现是黑球。现对于第一次摸出的球是黑色的这一证据，被选出的盒子是甲盒子的概率是多少？
令：A1代表甲盒；A2代表乙盒；B1代表证据：第一次摸出黑球。所求的概率是P（A1/B1）。根据P（A1）=P（A2）=1/2，甲盒中黑球的概率是8/10，即P（B1/A1）=8/10；同理，乙盒中黑球的概率是P（B2/A2）=1/2。根据全概率公式定理，则：
P（B1）=P（B1/A1）P（A1）＋P（B2/A2）P（A2）
=1/2×8/10＋1/2×1/2=13/20(https://www.daowen.com)
P（A1/B1）=［P（B1/A1）P（A1）］/P（B1）
=（1/2×8/10）/（13/20）=8/13
这一计算结果表明，在得到证据B1之后，A1的概率大大提高，由原来的1/2提高到8/13。根据贝叶斯定理，同样可以得到P（A2/B1），即：
P（B1）=P（B1/A1）P（A1）＋P（B2/A2）P（A2）
=1/2×8/10＋1/2×1/2=13/20
P（A2/B1）=［P（B1/A2）P（A2）］/P（B1）
=（1/2×1/2）/（13/20）=5/13
这一计算结果表明，在得到证据B1之后，A2的概率明显降低，由原来的1/2缩减到5/13。无论在B1出现之前还是之后，假设概率之和都等于1，这是因为假设是互斥且穷举的。通过新证据的引入，借用贝叶斯定理形成了准确性高的主观概率值。因此，它是引入新证据纠正主观概率值的重要理论。同理将贝叶斯定理运用经济、法律、社会等领域，其同样可以提高人们的主观概率可靠性。贝叶斯定理应用到经济法律等领域作为一种分析工具进行定量分析和主观概率纠正的方法，就是贝叶斯方法。
（二）贝叶斯方法的价值
贝叶斯方法是对主观假设的不确定性（或然性）进行研究，其在假设先验概率的基础上通过引进新证据进行概率演算，形成后验概率并对先验概率的不确定性进行纠正，提高结论的准确性的方法。如今，贝叶斯方法广泛应用到经济、政治、法律等领域，其价值体现在以下两个方面：
1.纠正主观概率，使其不确定性更加确定
对于同一个事件（或命题），合理的主观概率值不止一个，只要此主观概率值遵从概率论的公理，自身是一贯的，就是合理的。但往往出现人们对一种事件的主观概率认知的不稳定性，影响到对事件的正确判断。贝叶斯方法是纠正主观概率让不确定性更加确定的重要方法，起着先验概率的不确定性到后验概率的确定性之间非常关键的桥梁作用。贝叶斯方法可以对先验概率进行精确计算而得到后验概率，进而保证主观概率的最终一致，人们根据经验证据的增加不断地修正自己的主观概率。
2.检验假设的正确性
贝叶斯方法对先验概率的主观假设具有检验作用，其可以判断主观假设的正确与否。原因在于贝叶斯定理要求主观概率的假设必须有两个竞争假设，[3]也就是说，其要求任何一个竞争假设的先验概率大于0，同理要求任何一个竞争假设的先验概率小于1。因为这些主观概率假设是互斥且穷尽的，所以只要有一个概率等于1，那么其他竞争假设的概率值都为0，这便违背了贝叶斯定理的竞争假设大于0的要求。如果被检验假设的先验概率和后验概率都等于1，这就意味着假设值是不正确的。