天才一秒记住【狂风中文网】地址：https://www.kfzw.net
的事件，即“癌症＆阳性”
的概率。
把其他几种情况都列举出来，则为：计算“癌症＆阴性”
、“健康＆阳性”
、“健康＆阴性”
这4种可能性出现的概率。
这些都是按照“类别＆信息”
的形式组合而成的。
在烧水的问题中，“类别＆信息”
，则是以“（实际的水温θ）＆（测量的温度x）”
这种形式出现的。
但在该组合中出现了两个难题：第一，与癌症检查中出现4种可能性不同，该情况下，存在无限种可能的组合形式。
因此，不能通过图表来进行举例说明（而第19讲中的贝塔分布的情况，由于信息只有“女孩”
“男孩”
2种情况，因此勉强能够用完整的图表来举例）。
第二，“类别＆信息”
的概率，虽然是通过“条件概率的公式”
（见15-3）计算得来的，但这种情况下的计算太过复杂，对于不是那么精通数学的人来说很难理解。
因此，本讲中按照以下方式进行处理：
?在基本事件“（实际的水温θ）＆（测量的温度x）”
中，只用图表列出“θ＆40”
的概率分布。
（由于在此之外还存在“θ＆38”
或“θ＆40”
等无限的可能性，因此不对其一一进行图表列式）。
?若把基本事件“θ＆40”
的分布调整为满足标准化条件的形式，则为正态分布。
此外，关于如何计算它的平均值和标准偏差的问题，此处只给出结论。
以上述方针为前提，下面我们继续来进行解说。
图表21-1采用正态分布的贝叶斯推理
在图表21-1中，上方部分的开口朝上的图表为θ的先验分布。
正如设定的那样，为平均值42、标准偏差3的正态分布。
而下部分的开口朝下的图为，表示类别为θ（当实际水温为θ）时，测量出的结果为40℃的概率密度的图表。
换言之，即根据测量出来的温度，从划分的情况（测量结果为37℃或45℃等所有情况）中，只抽取40℃这一测量结果而形成图表。
步骤3：求出后验分布，并计算其分布的期待值
在图表21-1中，由于针对各个θ，只画出了在其基础上表示观测到40℃的概率密度的部分，因此，并不满足标准化条件，这与以往所有的贝叶斯推理是一样的。
若将其调整为满足标准化条件的比例关系，则可以得出以下结论：
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！