贝叶斯推断
Bayesian Inference
定义：
贝叶斯推断（Bayesian inference）是基于贝叶斯定理的统计方法，通过先验分布和观测数据计算参数后验分布。在系统发育学中，贝叶斯法使用马尔可夫链蒙特卡洛算法（MCMC）在树空间和参数空间中进行随机采样，输出后验概率最高的一组树。与最大似然法相比，贝叶斯法的核心优势在于可以直接对分化时间、进化速率和地理扩散路径等参数进行概率标定。
贝叶斯系统发育学在病毒溯源中扮演了独一无二的角色——只有贝叶斯框架能直接在树空间中对分化时间进行概率分布估计。BEAST软件（2002年发布）将分子钟模型与贝叶斯MCMC采样结合，使tMRCA估算成为标准操作。在SARS-CoV-2溯源中，多篇《Nature》《Science》论文使用BEAST估算SARS-CoV-2与RaTG13（云南蝙蝠冠状病毒）的分化时间约为1948-1982年，与石正丽团队后续修正的1969年接近——这些数字至今仍是辩论的核心。