天才一秒记住【畅想小说网】地址：http://www.cxtra.net
例如，在第2讲的例子中，有“癌症”
和“健康”
两个类别。
那么在概率模型中，基本事件的集合可以表示为：
{癌症，健康}
用分配给每一类别的先验概率来反映实际的罹患率，为：
p（癌症）＝0.001，p（健康）＝0.999
而这在图表14-3（与图表2-1相同）中，分别对应面积为0.001的长方形和面积为0.999的长方形（由面积为1的长方形分割得来）。
图表14-3根据癌症罹患率得到的先验分布
另外，关于第4讲中介绍的“某对夫妇生的第一胎为女孩的概率为多少”
的概率模型，可以将生女孩的概率p的数值设定为基本事件。
在这里，将基本事件称为“概率”
可能会让人感觉有些奇怪，事实上这并不突兀。
可以将基本事件设定为{0.4}、{0.5}、{0.6}。
在这里，{0.4}的含义是“该夫妇生的第一胎为女孩的概率为0.4”
这一事件，可以理解为类似于掷骰子出现的点数。
用概率符号来表示图表14-4（与图表4-1相同）中长方形的面积的话，先验分布可以记为：
图表14-4某对夫妇生的第一胎为女孩的概率的先验分布
写作p（{0.4}）的情况下，由于中间的0.4也表示概率，整体的p（{0.4}）也表示概率，所以可能有些难以理解。
但因为中间的概率“0.4”
是针对“某对夫妇生的第一胎为女孩”
这一基本事件（事件）的，而整体的p（{0.4}）则用来表示：估计这一基本事件有多大的可能性，也就是所谓的“信念的程度”
，因此，可以理解为意思完全不同的两个概念。
14-5用概率符号来表示用“＆”
连接起来的事件
下面讲解的是贝叶斯推理的基础——用“＆”
连接起来的事件的概率。
正如第10讲中讲解的、将两个概率现象用“＆”
组合起来形成的事件，这被称为直积试验。
最易于理解的是将抛硬币和掷骰子这两个试验组合为一的例子，如图表14-5所示。
图表14-5抛硬币和掷骰子的直积试验
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！