前向算法从前往后递推，后向算法从后向前递推，原理是一样的。

1. 定义

后向概率：给定马尔可夫模型$\lambda$，定义“在时刻t状态为qi”的条件下，“从t+1到T的部分观测序列为ot+1,ot+2,...,oT”的概率为后向概率，记作：
$\beta_t(i) = P(o_{t+1},o_{t+2},\cdots,o_T |i_t=q_i, \lambda)$

2. 过程

后向算法的初值是怎么来的？
$\beta_T(i) = 1$ 不管T时间状态是什么，这个序列是必然出现的。为什么？