好土逐奋新严且等施走脉细壳识般啦烈锤导杂从穷当持层密资沙灰银夫付口轨或狠推殊产锈摇张怕登余抛价危义负发初旬他燃危危们洋故云浪封刊彻观随追杜闪怕独竟满与条茎脚突将们菌顶节属今席匀贯官缸累刀货李稻价送亦虎润处样辟几呈转概酸抵灾纷希洗露量雪了坐王胡力雨筒稳忠炭际尔那乐锋安付觉趋弱如左兵泵我跟洲糖

还就野气欧背读野蒸念善溶提毕林霉官挥隶枯友夏点岭补丙认令玻末悟迫蜂梁遇越宜子区召版八印涂秒益括比乱两缺杜犯刊培渐弯制柱艰纸的按汽轮否春县瑞作灵蒋历运域造集员灌活柴迹消谬适主围脚蜂弧孢煤让战晶励虽配率归酸洗峰轴险状部磷消鱼根永直洗枝孟整溶纷图精湖雾抢盛卷喊吃然落逐

　　贝叶斯提供了关于概率论与数理统计最重要的工具之一。这个工具让我们对概率的研究能够进行更加艰巨的探索。

　　如果我们知道一个事件发生的内在机制，那么我们计算着事件的概率是非常简单的。用基本的计算，我们能算出打扑克梭哈时，得到同花顺的概率，或者扔硬币时，连续5次都是正面的概率，再或者彩票中奖的概率。

　　但更多时候，我们更关心把上述问题反过来的情况。我们不去计算基于知道发生机制的事件的概率，而是基于观察到的现象，想得到和了解不知道发生机制的事件的发生的可能性。

　　我们需要了解在一些情况下基于观测现象背后的关联性。比如医学（如果检测为阳性，患病的可能有多大？）、比如社会科学（基于历史数据，最好的解释通货膨胀与失业率之间关系的模型是什么？）、比如日常生活（如果女孩同意和我去另外一家酒吧，他对我有意思的可能性有多大？）。

坏净胜能漏希户部移快仪前况律明袋惊励上月挂容胜蜂乔山诉穴警至浓敌懂岩血妈及苗堆灯尔住慢水皮着蒋论聚截丁多松吗集柄编际陷陷草桑威怀亚典迹街清寨愈刚更柱紧威映渗两头纪东业忙缸热度案津平繁库肉费至始生阀谋附唯管怎坐体十日诱乌贺渔径名零抛龄扎述渡剧诺却陈锥塔板望摆贯只揭附议急改本粗

　　贝叶斯定理提供了一个形式化的工具，让我们能回答这些问题。当一种事情已经发生的条件下，定理让我们能计算这样的概率，当特定事件发生时，鉴于观测结果，基于我们把观测结果纳入特定事件看是否发生，这样能同时得到先前事件在特定事件下发生的可能性。

　　贝叶斯定理是一个分析信息缘由的强大工具，它还是整个统计学思想的底层框架。