Die Bayes'sche Inferenz ist eine statistische Verfahren wo das Bayes-Theorem verwendet wird, um die Wahrscheinlichkeit für eine Hypothese zu aktualisieren, wenn mehr Beweise oder Informationen verfügbar werden. Es ist ein zentraler Grundsatz der Bayes'schen Statistik. Der Kerngedanke wird wie folgt ausgedrückt: Die Posteriorwahrscheinlichkeit ist proportional zum Produkt aus der Priorwahrscheinlichkeit und der Wahrscheinlichkeit, [latex]p(\theta|D) \propto p(D|\theta)p(\theta)[/latex], wobei [latex]\theta[/latex] der Parameter und D die Daten sind.





