[數] 後驗概率；事後概率
Maximum posterior probability (MAP) algorithm was used to realize the super-resolution (SR) recovery.
應用最大後驗概率（MAP）算法實現超分辨率複原。
Samples with associated weights are used to approximate posterior probability density distribution of survivability in order to forecast survivability at the next moment.
通過重采樣，用加權樣本組合逼近生存性的真實後驗概率分布，實現對下一時刻系統生存性的預測。
Using the posterior probability to guide the fusion rules' design of high frequency subband coefficients, it fuses the coefficients differently according to edge or background region.
利用該後驗概率指導高頻系數融合的規則，對邊緣和背景區域進行不同的融合處理，以盡可能保留原始圖像的重要特征；
The posterior probability can also be expressed in terms of class-conditional density function and prior probability by the Bayes theorem.
藉由貝氏定理，事後機率亦可等 效表示成類别的條件機率密度函數與事前機率 的乘積。
If Bayesian inference used to describe the problem, the posterior probability density function of earth model describes the solution of a geophysical inverse problem.
若貝葉斯理論被用來描述反演問題的話，則地球模型的後驗概率密度函數可以用來描述反演問題的解。
後驗概率（posterior probability）是貝葉斯統計中的核心概念，指在考慮新證據或觀測數據後，某一假設或事件發生的修正概率。其數學定義基于貝葉斯定理，公式為： $$ P(H|E) = frac{P(E|H) cdot P(H)}{P(E)} $$ 其中：
後驗概率的應用廣泛存在于數據科學和決策分析中。例如在醫學診斷中，醫生可通過患者檢測結果（證據）更新疾病存在的後驗概率；在機器學習領域，貝葉斯分類器利用後驗概率進行預測模型優化。
權威統計學教材《概率論與數理統計》（高等教育出版社）指出，後驗概率的本質是通過數據不斷修正認知的過程，這一特性使其成為動态決策系統的重要工具。斯坦福大學統計系公開課程材料進一步強調，後驗概率的計算需要嚴格滿足概率公理體系，且必須基于可靠的先驗信息構建。
後驗概率（postosterior probability）是貝葉斯統計中的核心概念，指在獲得新的觀測數據後，對某個假設或事件發生的概率的更新估計。它綜合了先驗知識（prior probability）和新證據的影響。
根據貝葉斯定理，後驗概率計算公式為： $$ P(H|E) = frac{P(E|H) cdot P(H)}{P(E)} $$ 其中：
例如：假設某疾病患病率1%（先驗概率），檢測準确率95%。當某人檢測陽性時，通過貝葉斯公式可計算出真實患病的後驗概率約為16%，這說明單次檢測存在較高假陽性可能。
followingastrolabefloutprimary concernbanishmentclumpeddevotingdrawbridgesindestructibleMinoannonpositivereforestsynthesizera pail of waterinnocent bloodlake shoreprima faciesolder jointbargeboardBealloycaudateddicelonerotismextrabulbarfactorizationhemorrhagicHercogelhypsarrhythmiaisonivalmaceration