课程9 概率
公平硬币 fair unbiased
抛2次都正面或都反的概率
非公平硬币 loaded coin
抛4次 flip
flip 两次，仅一次正的概率
flip 三次，仅一次正的概率 P(exactly one H) in 3flips
骰子
掷出偶数的概率
两次 掷出连续相同数字的概率
Probability of event
Opposite event
Composite event - 独立事件，非依赖
Rabbit Hole of - 难题
课程10 条件概率
依赖条件 - use more variables to express the cases
癌症 总概率 - 测试结果为正的概率 Total Probability
P（P) = P (P|C).P(C)+P(P|>C).P(>C)
课程11 贝叶斯公式/法则 - tough
特异度 (specificity)与灵敏度(sensitivity）
灵敏度（真阳）=真阳性人数/（真阳性人数+假阴性人数）*100%。正确判断病人的概率。
特异度（真阴）=真阴性人数/（真阴性人数+假阳性人数））*100%。正确判断非病人的概率。
先验概率 Prior 后验概率 Posterior
贝叶斯定理
由英国数学家贝叶斯 ( Thomas Bayes 1702-1761 ) 发展，用来描述两个条件概率之间的关系。 P(A|B) 和 P(B|A)。
按照乘法法则，可以立刻导出：
P(A∩B) = P(A)P(B|A)=P(B)P(A|B)
公式也可变形为：
P(A|B) = P(B|A)*P(A) / P(B)
P(B|A) = P(A∩B) /P(A)
课程12 贝叶斯定理-编程练习
Return the probability of A conditioned on B given that
P(A)=p0, P(B|A)=p1, and P(Not B|Not A)=p2
#Return the probability of A conditioned on B given that
#P(A)=p0, P(B|A)=p1, and P(Not B|Not A)=p2
def f(p0,p1,p2):
#Insert your code here
return (p0*p1)/(p0*p1+(1-p0)*(1-p2))
Return the probability of A conditioned on Not B given that
P(A)=p0, P(B|A)=p1, and P(Not B|Not A)=p2
#Return the probability of A conditioned on Not B given that
#P(A)=p0, P(B|A)=p1, and P(Not B|Not A)=p2
def f(p0,p1,p2):
#Insert your code here
return p0*(1-p1)/(p0*(1-p1)+(1-p0)*p2)
课程13 概率分布
连续概率 -正确落点 无处停止？
区间概率
概率 p(x)=0
Density: Probability for continuous spaces
概率密度 Density: f（x)
密度属性： >=0 （非负数，可以为零，不一定连续，可以大于1）
课程14 相关和因果
Correlation vs Causation
混淆变量 Confounding Variable
