对于贝叶斯公式中的先验概率和后验概率和极大似然最简单理解

最近看统计学习方法这本书里面的关于朴素贝叶斯法，基本方法里面就说到了
“学一下先验概率分布和条件概率分布.....”
顿时不太理解里面的一些意思，于是去查了一下，发现这就是概率论里面的一些原句的改版
基本意思是：
先举例子：人太帅会导致大家围观你，“太帅”是原因，“围观”是结果；也可能身边有超跑，习大大跟你握手，你撒钱、这另外三种原因
先验概率：根据经验和常识得知某件事的概率是多少；也就是知道原因去算结果；
后验概率：知道结果，去求原因
极大似然估计：知道结果，求最可能的原因
按照例子来说：P（围观）就是先验概率了——这是根据经验得到的
P(太帅|围观)就是后验概率，堵车了求是太帅导致的概率
另外三个事件都会导致围观，求哪个事件最可能发生，额就是极大似然估计，即求 argmax(P(A|堵车)，P(B|堵车)，P(C|堵车))。argmax返回A,B,C三者中使得概率最大的事件。解释：arg就是数组，max求其中最大