贝叶斯公式是概率论中常用的一种方法，用于根据已知的条件概率，推导出与之相关的其他概率。
贝叶斯公式的表达式如下：
$$P(A|B) = P(B|A) \times P(A) / P(B)$$
其中，P(A)和P(B)分别是事件A和事件B的先验概率，也就是在不考虑其他因素的情况下，事件A和事件B分别发生的概率。P(B|A)是在事件A发生的条件下，事件B发生的概率，也称为条件概率。P(A|B)是在已知事件B发生的条件下，事件A发生的概率，也称为后验概率。
在实际应用中，贝叶斯公式可以用于诊断疾病、判断产品质量等领域。例如，在医学领域中，可以根据某些症状的出现来计算患者患某种疾病的概率。在这种情况下，P(A)代表疾病的患病率，P(B|A)代表在患病的情况下出现某些症状的概率，P(B)代表患者出现这些症状的概率，P(A|B)代表患者患病的后验概率。
贝叶斯公式的优点在于可以根据已有数据推导出新的概率信息，同时也可以根据新的数据进行不断的修正和更新。