P(A)是一种先验概率 P(B|A) 类条件概率.
贝叶斯公式的解释：如果我们把事件A看做'结果',把诸事件B1,B2...看做导致这个结果的可能的'原因',则可以形象地把全概率公式看做成为'由原因推结果';而贝叶斯公式则恰好相反,其作用于'由结果推原因':现在有一个'结果'A以发生,在众多可能的'原因'中,到底是哪一个导致了这结果"
后验概率,是一种果因概率,即在一个结果已经发生的条件下,可能是其中某一个原因造成的概率有多大.
https://www.cnblogs.com/yemanxiaozu/p/7680761.html
概率和似然
统计学中似然和概率却是两个不同的概念。
概率：在特定环境下某件事情发生的可能性，结果没有产生之前依据环境所对应的参数来预测某件事情发生（结果）的可能性
似然：据结果来判断这个事情本身的性质（参数）
结果和参数相互对应的时候，似然和概率在数值上是相等的
条件概率P(x|θ)：θ 表示环境对应的参数，x 表示结果；θ是前置条件，理解为在θ 的前提下，事件 x 发生的概率
似然 L(θ|x）：结果为 x ，参数为θ;
L是关于 θ 的函数，而 P 则是关于 x 的函数
概率描述的是在一定条件下某个事件发生的可能性，概率越大说明这件事情越可能会发生；
似然描述的是结果已知情况下，事件在不同条件下发生的可能性，似然函数值越大说明事件在对应的条件下发生的可能性越大。
https://blog.csdn.net/u011508640/article/details/72815981
最大似然估计MLE --最大后验概率估计MAP