贝叶斯提供了关于概率论与数理统计最重要的工具之一。这个工具让我们对概率的研究能够进行更加艰巨的探索。

如果我们知道一个事件发生的内在机制，那么我们计算着事件的概率是非常简单的。用基本的计算，我们能算出打扑克梭哈时，得到同花顺的概率，或者扔硬币时，连续5次都是正面的概率，再或者彩票中奖的概率。

但更多时候，我们更关心把上述问题反过来的情况。我们不去计算基于知道发生机制的事件的概率，而是基于观察到的现象，想得到和了解不知道发生机制的事件的发生的可能性。

我们需要了解在一些情况下基于观测现象背后的关联性。比如医学（如果检测为阳性，患病的可能有多大？）、比如社会科学（基于历史数据，最好的解释通货膨胀与失业率之间关系的模型是什么？）、比如日常生活（如果女孩同意和我去另外一家酒吧，他对我有意思的可能性有多大？）。

贝叶斯定理提供了一个形式化的工具，让我们能回答这些问题。当一种事情已经发生的条件下，定理让我们能计算这样的概率，当特定事件发生时，鉴于观测结果，基于我们把观测结果纳入特定事件看是否发生，这样能同时得到先前事件在特定事件下发生的可能性。

贝叶斯定理是一个分析信息缘由的强大工具，它还是整个统计学思想的底层框架。