貝葉斯定理是關于随機事件A和B的條件機率(或邊緣機率)的一則定理。
例如：P(A|B)是在B發生的情況下A發生的可能性。
使用情況：貝葉斯定理用于投資決策分析是在已知相關項目B的資料，而缺乏論證項目A的直接資料時，通過對B項目的有關狀态及發生機率分析推導A項目的狀态及發生機率。等相關情況下使用。
貝葉斯這裡有兩個概念，大家容易混淆。
先驗機率：是指根據以往經驗和分析得到的機率，如全機率公式，它往往作為"由因求果"問題中的"因"出現的機率。（根據曆史資料是否齊全，分為客觀先驗機率和主管先驗機率）
後驗機率：後驗機率是資訊理論的基本概念之一。在一個通信系統中，在收到某個消息之後，接收端所了解到的該消息發送的機率稱為後驗機率。後驗機率的計算要以先驗機率為基礎。
1 列出在已知項目B條件下項目A的發生機率，即将P（A│B）轉換為 P（B│A）；
2 繪制樹型圖；
3 求各狀态結點的期望收益值，并将結果填入樹型圖；
4 根據對樹型圖的分析，進行投資項目決策。
所謂的推理，分為兩個過程，第一步是對觀測資料建立一個模型。第二步則是使用這個模型來推測未知現象發生的機率。
在Excel中可輕松友善地用貝葉斯公式計算後驗機率。
案例分析方法實戰：某個地區吸毒占比:0.0004，醫院通過毛發檢驗，檢查出吸毒陽性的機率為95%，未吸毒檢測出陰性的機率為10%，今天一人被檢查出吸毒的機率為多少。
1：各事件樹狀圖
2：excel添加資料後計算