拉普拉斯说，概率论只不过是把常识用数学公式表达了出来。

贝叶斯公式

一所学校里面有60%的男生，40%的女生，男生总是穿长裤，女生则一半穿长裤一般穿裙子。
正向概率，就是随机选取一个学生，他她穿长裤的概率和穿裙子的概率是多大，还比较容易。
我们下面要算的是迎面走来一个穿长裤的学生，无法确定性别，你能够推断出他是女生的概率有多大吗？
p(girl|pants)=p(girl)p(pants|girl)/[p(boy)p(pants|boy)+p(girl)p(pants|girl)]
收缩为p(girl|pants)=p(pants|girl)/p(pants)
也就是p(girl|pants)p(pants)=p(pants|girl)
换种形式就是
P(B|A)*P(A)=P(AB)

奥卡姆剃刀

所谓奥卡姆剃刀的精神就是说，如果两个理论具有相似的揭示力度，那么优先选择那个更简单的，往往也正是更频繁的，更少繁复的，更常见。
举例说身高和体重的关系近似一个二阶多项式的关系，但高矮胖瘦特殊情况总是存在。不过特殊情况出现的几率毕竟还是稀少，最普遍情况呈正态分布。

最优贝叶斯推理

所谓的最优贝叶斯推理就是将三个模型对于未知数据的预测结论加权平均起来，权值就是模型相应的概率，显然这个推理是理论上的制高点，无法再有了，因为他已经把所有可能性都考虑进去了。
这一章太深奥，好多概念看不懂。留待以后深入研究吧。