ขนาดวิดีโอ: 1280 X 720853 X 480640 X 360
แสดงแผงควบคุมโปรแกรมเล่น
เล่นอัตโนมัติ
เล่นใหม่
第一次见到这样的联合解释贝叶斯公式，有用！
讲得真棒！！最适合我这样的半瓶子醋学习👍 请一定继续做下去呀！送上我的第一次TH-cam留言
先验正确解释，应该是指天生就懂得的东西，是人类出产就具备的知识，农民和图书管理员的存在比例，不是先验
如果我的行為、交際、學習、規劃、思考都盡我所能的往“好”的方向走，而我還是失敗，那失敗就是命中注定，因為長得醜、智商不夠、天生環境差等等等過多的Error而失敗，不然這個分母一定被我擠到夠小只要我的目標不要過於離譜，中產、財富自由（不是讓我可以窮奢急慾的程度，房車老婆小孩父母的生活過得滋潤），那分子就夠大。那實現的機會就夠大。
學到了：1.有些證據證明力強，有些證據證明力弱 2.笨蛋會把證明力弱的證據當成鐵證 3.有些證據難以拿來證明但可以拿來證偽 4.數量決定概率大小
留言都說講得很好，但我認為文案還有很大程度的可進步空間，很像是沒有擬稿直接講，代詞很多有其他更明確表達方式的句子也很多，然後純白字幕在某些情況會和背景融合，這是剪輯的基本常識
谢谢！
完美解释了小马云那个长相比坚持20年4点起床有用多了
TH-cam algorithm brought me here. Interesting topic indeed. I'd love to hear more this kind of story!
这个语速和语调听起来好舒服！所以关键点其实在于概率“足够小”这个“足够小”如何量化h h😂（而这本身又是基于经验判断的事情
听的我膈应
牛 一遍听懂了
应该从源头讲起吧 P(A.B)=P(B.A), 即 P(A|B)*P(B) = P(B|A)*P(A) 这样才好理解
怎麼說呢，就算他從這講起，聽的人大概率還會是「以為自己有聽懂」的狀態吧。
言简意赅，高质量的视频一个，赞先！
马云这个例子神了，终于知道鸡汤的根源在哪了
真好，就应该说的明白和清楚
谢谢
感谢分享！这真是挖的通透 佩服
Great job! I like this kind of story style.
解释得很清楚！通俗易懂，而且很有趣
所以能成功通常就會總結為運氣，就算真的告訴你這個千萬分之一的特質，也會發現只有在馬雲成功的那個時間點能夠複製
说的太好了，内容很棒，节奏很好，感觉可以加上一点轻度的背景音终于感受到演算法的魅力了，你这个视频刚好解开了我看th-cam.com/video/Dwv60z_XeaE/w-d-xo.htmlsi=8XyGlxpOG04ciWyc 的疑惑
PHP is the best of the best of the best!
菲律宾人出现在这儿的概率也等于0
假菲律宾人，鉴定完毕
讲的太棒了
这一系列真不错！
只有我發現引用的頻道應該是3Blue1Brown?
好有意思！支持up
谢谢～
整個視頻内容非常棒。只是我對最後那個練習有點疑問，可能是所處的環境不同形成了差異。在我看來，一個人害羞，喜歡整潔，又喜歡讀書，這三種特性都是稀缺的，三個稀缺屬性叠加的概率就更加稀缺。而且這三種屬性對於農民這個職業不太適合，對於圖書管理員倒是比較適合。因此結論是管理員的概率遠大於農民。如果下賭注的話，我敢下10比1的注。
你忽略了一条，这是一个美国的农民
1.老美太多的人喜欢读书，包括农民。 2.害羞，爱整洁和喜欢读书，这三个事情不是什么独立的证据，它们有很多的相关性。比如害羞的人里面很多人喜欢读书，或者喜欢读书的人里面很多人喜欢整洁。所以你说的“三个稀缺属性叠加的概率更加稀缺”也不见得。
@@hakeakala2006 有相關性，但是弱相關。你説的正好能用視頻介紹的理論來反駁。
該定理是以當時美國國內狀況為背景，而美國農民比圖書管理員多很多，大約20:1(現在202X年大約60:1)，因此該定理的結論是符合條件的農民之概率遠大於管理員。就算圖書管理員有更大機率符合那三種屬性，農民與管理員之間巨大的數量比還是銳減了此因素的影響，也就是說重點不是在這三種屬性是否符合農民或圖書管理員的既定印象，而是在我們是否將農民與圖書管理員的數量比納入考量。
回想上大学考统计学其中的一题，七个工科理科系如果每系平均330学生,当时只有两人答对了这题,我是其中一个，这题答对概率是0.04帕,据说破了学校记录
看完节目 我就想弱弱的问一句：那个 可以把沙发上的羊驼送我吗？我整个节目都盯着它看了喔😮😅
这个公式的括号是不是没有对齐？
5:20 但是即使分母是一个不小的概率，很多分母叠在一起也是一个小概率，比如坚持四点起床*每天刻意学习半小时*坚持数十年，这样叠起来，也是一个比较小概率的事件，这样的人，虽然不至于首富诺贝尔奖，但一般也是寻常人中的佼佼者
所以你的意思是如果書裡給的成功特徵，有概率數值的話正確的作法是像你說的一樣，把數值承在一起嗎?
@@wzko6199 也不能直接相乘，一般情况下优秀的人大概率有很多优秀的习惯，假设坚持四点起床、每天刻意学习半小时的比例都是百分之一，但是坚持四点起床的人里，学习半小时的比例可能有百分之五十，所以早起+学习半小时大概是1%*50%，不是1%*1%但哪怕这样，同时拥有一大堆好习惯的概率还是很小，这么一小撮人，应该就是社会里比较优秀的那批人
@@waterooo赞同👍
其實有一點不一定最後那個例子如果以上特徵要同時符合的概率就可以算是小的又或是不用公式 直接先進行快篩“安靜內向喜歡看書”農民跟圖書館員哪個更符合先篩第一層
谢谢，还没完全学会，我建议你以受众是初中生或者很久没接触数学的大学生做对象讲解，就更好了
碼農招你惹你了啊
amazing rational
昨天才第一次接触到贝叶斯公式。
有些不同的看法跟您探讨，分开考虑分子分母似乎是对贝叶斯公司的错误理解，yi😂最后的例子为例，如果农民中出现b特征的概率远小于图书管理员的话，后验概率可能就反转了，比如中国农民
感谢观看。这期内容都不是很精确的，只是一个方向和思路。也不用太纠结中美农民的差别。。。
@@reaverlee 教思维定势
😂@@zhouq7544
还有一种方法容错率高得多,但需要你足够思考(运算)的足够快且脑洞足够大______费米估算法,精髓是大量的假设与变量,产生的误差项越多,但因为误差互抵原则，总体误差反而会越小,于是在一番漏洞百出的推测中反而得到了正确的答案.实际应用就是估算全球的蚊子数量......
“非常的事情需要非常的证据”，就是说先验概率小的事情，需要分母上有非常小的P(B)。
這段算式令我發現自身存在很多思維漏洞。
在貴國，那些成功學都隱藏了一項最關鍵的成功因素：就是結識了「權貴」。這是第一主要因素，它可讓你有源源不絕的「資金」和令你路路暢通的「便利」，當然還要加上第二和第三主要因素，就是你的「生意頭腦」和「說服力」，你才能成為馬雲等富豪的。你們的成功學把結識權貴這一環隱藏起來了，懞然不知的讀者按圖索驥地照着學又怎會有成功的一天呢？
成功学的东西，如果把那些特征的概率都相乘，概率就小了。
放棄穩定的工作+創業很多次這個概率小嗎？
您这个问题似乎不是贝叶斯公式讨论的范畴。贝叶斯公式揭示的是关于新信息（证据）对原有判断的更新的程度。关于创业，可以通过调研研究不同特性的人和事，还有环境，对成功机会的影响，来辅助决策
@@reaverlee 我認為修正一下比較好 任何事情都能使用貝葉斯 這是絕對的 要從萬物皆數 與尺度法為基石放棄穩定的工作+創業很多次這個概率小嗎這件事情就屬於複雜問題 或者說 因素與變項非常多絕對可以用貝葉斯 但太複雜 必須獲得更多樣本,環境,領域,能力還有很多市場因素所以很難度很高 很難能把貝葉斯使用的很熟練與精確換種講法馬雲 郭台銘 或者 大型加盟店CEO 一定能大致算出你的這道機率問題而一個應屆生 個人戶 996上班族 流水線 甚至都沒有創業過的人 鐵定對這道題的答案很模糊我只是一個店主+高階主管 就我個人看這道題我印象有一個頻率派的先驗概率 創業成功10% 這是一年內 若要扛3年 機率好像只有3% ,5年1%其實你能google "創業成功 3年 機率"這題也能問GPT GPT本身就屬於一個接近貝葉斯領域的計算系統我相信這道題的答案 GPT能給你差不多滿意的答案但若你的能力 知識框架 手邊工具 比別人多 那麼成功率 在你身上就會逐漸增加概率
统计学老师在课上放这个
受宠若惊
總算解開了我對貝葉斯的理解…
运气就是最小的所有成功者的特质就是抓住运气抓犯人足够小的就是DNA，面部识别，指纹，录象这些未来只要出生植入晶片就可以轻易抓犯人了
好像最後沒把答案講清楚 我幫補充最後的答案 是農民的機率更高
不明白,能解释下吗? 为什么农民概率更高? 在图书管理员和农民这两个群体里,上述特点有个爱整洁,感觉农民要整天和庄稼土地肥料等打交道,爱整洁的农民应该少吧
@@onvzz 貝葉斯分兩部分這是先驗概率不明農民跟圖書館員的基數你先想想就知道了而故意讓你看後驗概率
@@onvzz th-cam.com/video/5-JTBM9BVUo/w-d-xo.htmlsi=OpPF72Z9kEYULLDl
@@onvzz 農民數量多還是圖書館人員數量多，想當然爾，世上農民數量遠多於圖書館人員，光憑幾個人格上的特點，是不足以證實steven就是圖書館員，有點故意引導讓人誤以為是圖書館員的身分，事實上光這些特點跟大數分析起來，農民機率仍是遠高於圖書館員。
请继续努力下去
什么是先验?
有道理
真正的码农会告诉你 PHP 才是最好的编程语言
up，你的牙齿跟我好像，都是小时候没及时矫正。
福尔摩斯这个例子不太好，让人感觉从结果往原因倒推
成功學真的是廢物,要馬講的很簡單,大家都做得到,但又跟成功沒有絕對關係,要馬講得很不簡單,大家都無法完全做到,總有人覺得,聽到成功學,自己就成功了一半,如果我說世界上所有成功的人,曾經在成功之前去聽過別人成功學的概率有多低,那有人要走這條成功之路(不去聽成功學)嗎?
复杂的东西通俗说，这是大神啊
物以稀为贵
當農民每天接觸多少雞屎牛糞泥巴很少會是整潔的，因此推斷成立
其實只要講公式就好，謝謝講解，學到不少。從頭到尾的舉例感覺都沒有很適合...可以省略
『python 是不是世界上最好的語言？』看他反應就知道他是不是碼農。這句話我笑翻了。
然而自己去google，發現又不是了，排名又變了。看來就跟名校差不多了，就是那幾間再跑～
@@Wind_of_Night 不是，碼過的都知道，Python唯一優點就只有好寫而已，基本上只有新手在用。拿他寫啟動程式還可以，寫核心架構速度非常感人。
看完還是不大懂,最後例子不用看到本人就能確定是管理員嗎?
最后的例子表明了分子证据不足以证明是农民还是管理员，分母证据就是在美农民远比管理员多，所以猜农民.
公式的括号感觉怪怪的
理想很豐滿 現實很骨感 你有沒有想過 如果這個證據強度足夠 當這項證據在你眼前的時候 你也無法觀察？
剪得太多，看提词器也很明显
在福尔摩斯的年代，码农的概率基本是0.
good one!
0:19 那個up主是誰？
papi酱
但是福尔摩斯的推论都是虚构嘛
福尔摩斯系列经久不衰，也是因为有所夸大但不离谱
python是...玛德异教徒，烧
我觉得解释P(B|A)为什么可以证伪那段讲的不是很好。我认为狗叫和生熟人的例子不是很贴切。回到程序员的例子。假如程序员一定爱穿格子衫（ P(B|A) = 1 ），那么即便穿格子衫的人很多，一个穿格子衫的人也有可能是程序员。但假如程序员一定不爱穿格子衫（ P(B|A) = 0 ）， 那么这个公式求出来的值就是0。也就是说在程序员一定不爱穿格子衫的情况下，穿格子衫就可以证伪一个人不是程序员。换句话说，在同样是很多人都穿格子衫的固定前提下：假设1）程序员一定穿格子衫，那么穿格子衫的人不一定但有可能是程序员。假设2）程序员一定不爱穿格子衫，那么穿格子衫的人一定不是程序员。
主播在室內帶鴨舌帽的機率很小，而且還不是普通鴨舌帽，由此可以推斷，那不是普通的鴨舌帽。
雖然是半開玩笑，但我還是沒查不到那帽子來源。
😄
马云的独特品质：陈云喜欢他...
独特的，不是广义。 specific not too broad
Typescript才是世界上最好的语言！！！！😡
不！php才是世界上最好的语言！！！！
成功學都是扯淡，成功的推理也是扯淡，只是蒙準了😅
但是，猜不透周星馳
给个马云小概率的事吧，与党久高层有联系，这概率够小了吧，你能学吗?
如果分子分母搞反了……
数学不好的中国人路过
喜歡讀書爱整潔的農民，竟还有臉教人邏輯推理
呱呱呱
最后一个例子不是很适合中国，发达国家倒是适合的
成功學？忽悠學
装B
亂講
你讲的完全不对啊，你的格子衫判断是基于中国的环境，北京的工作环境，你北京有几个人去中东的军队当军医啊？它是根据美国的环境。
感谢观看。这个例子也有点开玩笑的意思，不用太当真。请取其精华弃其糟粕 :)
![[안방1열 풀캠4K] 베이비몬스터 'DRIP' (BABYMONSTER FullCam)│@SBS Inkigayo 241110](http://i.ytimg.com/vi/AQ4RIghEvUs/mqdefault.jpg)
第一次见到这样的联合解释贝叶斯公式，有用！
讲得真棒！！最适合我这样的半瓶子醋学习👍 请一定继续做下去呀！送上我的第一次TH-cam留言
先验正确解释，应该是指天生就懂得的东西，是人类出产就具备的知识，农民和图书管理员的存在比例，不是先验
如果我的行為、交際、學習、規劃、思考都盡我所能的往“好”的方向走，而我還是失敗，那失敗就是命中注定，因為長得醜、智商不夠、天生環境差等等等過多的Error而失敗，不然這個分母一定被我擠到夠小
只要我的目標不要過於離譜，中產、財富自由（不是讓我可以窮奢急慾的程度，房車老婆小孩父母的生活過得滋潤），那分子就夠大。
那實現的機會就夠大。
學到了：1.有些證據證明力強，有些證據證明力弱 2.笨蛋會把證明力弱的證據當成鐵證 3.有些證據難以拿來證明但可以拿來證偽 4.數量決定概率大小
留言都說講得很好，但我認為文案還有很大程度的可進步空間，很像是沒有擬稿直接講，代詞很多有其他更明確表達方式的句子也很多，然後純白字幕在某些情況會和背景融合，這是剪輯的基本常識
谢谢！
完美解释了小马云那个长相比坚持20年4点起床有用多了
TH-cam algorithm brought me here. Interesting topic indeed. I'd love to hear more this kind of story!
这个语速和语调听起来好舒服！所以关键点其实在于概率“足够小”这个“足够小”如何量化h h😂（而这本身又是基于经验判断的事情
听的我膈应
牛 一遍听懂了
应该从源头讲起吧 P(A.B)=P(B.A), 即 P(A|B)*P(B) = P(B|A)*P(A) 这样才好理解
怎麼說呢，就算他從這講起，聽的人大概率還會是「以為自己有聽懂」的狀態吧。
言简意赅，高质量的视频一个，赞先！
马云这个例子神了，终于知道鸡汤的根源在哪了
真好，就应该说的明白和清楚
谢谢
感谢分享！这真是挖的通透 佩服
Great job! I like this kind of story style.
解释得很清楚！通俗易懂，而且很有趣
所以能成功通常就會總結為運氣，就算真的告訴你這個千萬分之一的特質，也會發現只有在馬雲成功的那個時間點能夠複製
说的太好了，内容很棒，节奏很好，感觉可以加上一点轻度的背景音
终于感受到演算法的魅力了，你这个视频刚好解开了我看th-cam.com/video/Dwv60z_XeaE/w-d-xo.htmlsi=8XyGlxpOG04ciWyc 的疑惑
PHP is the best of the best of the best!
菲律宾人出现在这儿的概率也等于0
假菲律宾人，鉴定完毕
讲的太棒了
这一系列真不错！
只有我發現
引用的頻道應該是3Blue1Brown?
好有意思！支持up
谢谢～
整個視頻内容非常棒。只是我對最後那個練習有點疑問，可能是所處的環境不同形成了差異。在我看來，一個人害羞，喜歡整潔，又喜歡讀書，這三種特性都是稀缺的，三個稀缺屬性叠加的概率就更加稀缺。而且這三種屬性對於農民這個職業不太適合，對於圖書管理員倒是比較適合。因此結論是管理員的概率遠大於農民。如果下賭注的話，我敢下10比1的注。
你忽略了一条，这是一个美国的农民
1.老美太多的人喜欢读书，包括农民。 2.害羞，爱整洁和喜欢读书，这三个事情不是什么独立的证据，它们有很多的相关性。比如害羞的人里面很多人喜欢读书，或者喜欢读书的人里面很多人喜欢整洁。所以你说的“三个稀缺属性叠加的概率更加稀缺”也不见得。
@@hakeakala2006 有相關性，但是弱相關。你説的正好能用視頻介紹的理論來反駁。
該定理是以當時美國國內狀況為背景，而美國農民比圖書管理員多很多，大約20:1(現在202X年大約60:1)，因此該定理的結論是符合條件的農民之概率遠大於管理員。就算圖書管理員有更大機率符合那三種屬性，農民與管理員之間巨大的數量比還是銳減了此因素的影響，也就是說重點不是在這三種屬性是否符合農民或圖書管理員的既定印象，而是在我們是否將農民與圖書管理員的數量比納入考量。
回想上大学考统计学其中的一题，七个工科理科系如果每系平均330学生,当时只有两人答对了这题,我是其中一个，这题答对概率是0.04帕,据说破了学校记录
看完节目 我就想弱弱的问一句：那个 可以把沙发上的羊驼送我吗？我整个节目都盯着它看了喔😮😅
这个公式的括号是不是没有对齐？
5:20 但是即使分母是一个不小的概率，很多分母叠在一起也是一个小概率，比如坚持四点起床*每天刻意学习半小时*坚持数十年，这样叠起来，也是一个比较小概率的事件，这样的人，虽然不至于首富诺贝尔奖，但一般也是寻常人中的佼佼者
所以你的意思是如果書裡給的成功特徵，有概率數值的話正確的作法是像你說的一樣，把數值承在一起嗎?
@@wzko6199 也不能直接相乘，一般情况下优秀的人大概率有很多优秀的习惯，假设坚持四点起床、每天刻意学习半小时的比例都是百分之一，但是坚持四点起床的人里，学习半小时的比例可能有百分之五十，所以早起+学习半小时大概是1%*50%，不是1%*1%
但哪怕这样，同时拥有一大堆好习惯的概率还是很小，这么一小撮人，应该就是社会里比较优秀的那批人
@@waterooo赞同👍
其實有一點不一定
最後那個例子
如果以上特徵要同時符合的概率就可以算是小的
又或是不用公式 直接先進行快篩
“安靜內向喜歡看書”
農民跟圖書館員哪個更符合
先篩第一層
谢谢，还没完全学会，我建议你以受众是初中生或者很久没接触数学的大学生做对象讲解，就更好了
碼農招你惹你了啊
amazing rational
昨天才第一次接触到贝叶斯公式。
有些不同的看法跟您探讨，分开考虑分子分母似乎是对贝叶斯公司的错误理解，yi😂最后的例子为例，如果农民中出现b特征的概率远小于图书管理员的话，后验概率可能就反转了，比如中国农民
感谢观看。这期内容都不是很精确的，只是一个方向和思路。也不用太纠结中美农民的差别。。。
@@reaverlee 教思维定势
😂@@zhouq7544
还有一种方法容错率高得多,但需要你足够思考(运算)的足够快且脑洞足够大______费米估算法,精髓是大量的假设与变量,产生的误差项越多,但因为误差互抵原则，总体误差反而会越小,于是在一番漏洞百出的推测中反而得到了正确的答案.实际应用就是估算全球的蚊子数量......
“非常的事情需要非常的证据”，就是说先验概率小的事情，需要分母上有非常小的P(B)。
這段算式令我發現自身存在很多思維漏洞。
在貴國，那些成功學都隱藏了一項最關鍵的成功因素：就是結識了「權貴」。這是第一主要因素，它可讓你有源源不絕的「資金」和令你路路暢通的「便利」，當然還要加上第二和第三主要因素，就是你的「生意頭腦」和「說服力」，你才能成為馬雲等富豪的。你們的成功學把結識權貴這一環隱藏起來了，懞然不知的讀者按圖索驥地照着學又怎會有成功的一天呢？
成功学的东西，如果把那些特征的概率都相乘，概率就小了。
放棄穩定的工作+創業很多次這個概率小嗎？
您这个问题似乎不是贝叶斯公式讨论的范畴。贝叶斯公式揭示的是关于新信息（证据）对原有判断的更新的程度。
关于创业，可以通过调研研究不同特性的人和事，还有环境，对成功机会的影响，来辅助决策
@@reaverlee
我認為修正一下比較好
任何事情都能使用貝葉斯 這是絕對的 要從萬物皆數 與尺度法為基石
放棄穩定的工作+創業很多次這個概率小嗎
這件事情就屬於複雜問題 或者說 因素與變項非常多
絕對可以用貝葉斯 但太複雜 必須獲得更多樣本,環境,領域,能力還有很多市場因素
所以很難度很高
很難能把貝葉斯使用的很熟練與精確
換種講法
馬雲 郭台銘 或者 大型加盟店CEO 一定能大致算出你的這道機率問題
而一個應屆生 個人戶 996上班族 流水線 甚至都沒有創業過的人 鐵定對這道題的答案很模糊
我只是一個店主+高階主管 就我個人看這道題
我印象有一個頻率派的先驗概率
創業成功10% 這是一年內
若要扛3年 機率好像只有3% ,5年1%
其實你能google "創業成功 3年 機率"
這題也能問GPT GPT本身就屬於一個接近貝葉斯領域的計算系統
我相信這道題的答案 GPT能給你差不多滿意的答案
但若你的能力 知識框架 手邊工具 比別人多 那麼成功率 在你身上就會逐漸增加概率
统计学老师在课上放这个
受宠若惊
總算解開了我對貝葉斯的理解…
运气就是最小的
所有成功者的特质就是抓住运气
抓犯人足够小的就是DNA，面部识别，指纹，录象这些
未来只要出生植入晶片就可以轻易抓犯人了
好像最後沒把答案講清楚 我幫補充
最後的答案 是農民的機率更高
不明白,能解释下吗? 为什么农民概率更高? 在图书管理员和农民这两个群体里,上述特点有个爱整洁,感觉农民要整天和庄稼土地肥料等打交道,爱整洁的农民应该少吧
@@onvzz 貝葉斯分兩部分
這是先驗概率不明
農民跟圖書館員的基數你先想想就知道了
而故意讓你看後驗概率
@@onvzz th-cam.com/video/5-JTBM9BVUo/w-d-xo.htmlsi=OpPF72Z9kEYULLDl
@@onvzz 農民數量多還是圖書館人員數量多，想當然爾，世上農民數量遠多於圖書館人員，光憑幾個人格上的特點，是不足以證實steven就是圖書館員，有點故意引導讓人誤以為是圖書館員的身分，事實上光這些特點跟大數分析起來，農民機率仍是遠高於圖書館員。
请继续努力下去
什么是先验?
有道理
真正的码农会告诉你 PHP 才是最好的编程语言
up，你的牙齿跟我好像，都是小时候没及时矫正。
福尔摩斯这个例子不太好，让人感觉从结果往原因倒推
成功學真的是廢物,要馬講的很簡單,大家都做得到,但又跟成功沒有絕對關係,要馬講得很不簡單,大家都無法完全做到,總有人覺得,聽到成功學,自己就成功了一半,如果我說世界上所有成功的人,曾經在成功之前去聽過別人成功學的概率有多低,那有人要走這條成功之路(不去聽成功學)嗎?
复杂的东西通俗说，这是大神啊
物以稀为贵
當農民每天接觸多少雞屎牛糞泥巴很少會是整潔的，因此推斷成立
其實只要講公式就好，謝謝講解，學到不少。
從頭到尾的舉例感覺都沒有很適合...可以省略
『python 是不是世界上最好的語言？』看他反應就知道他是不是碼農。
這句話我笑翻了。
然而自己去google，發現又不是了，排名又變了。
看來就跟名校差不多了，就是那幾間再跑～
@@Wind_of_Night 不是，碼過的都知道，Python唯一優點就只有好寫而已，基本上只有新手在用。
拿他寫啟動程式還可以，寫核心架構速度非常感人。
看完還是不大懂,最後例子不用看到本人就能確定是管理員嗎?
最后的例子表明了分子证据不足以证明是农民还是管理员，分母证据就是在美农民远比管理员多，所以猜农民.
公式的括号感觉怪怪的
理想很豐滿 現實很骨感 你有沒有想過 如果這個證據強度足夠 當這項證據在你眼前的時候 你也無法觀察？
剪得太多，看提词器也很明显
在福尔摩斯的年代，码农的概率基本是0.
good one!
0:19 那個up主是誰？
papi酱
但是福尔摩斯的推论都是虚构嘛
福尔摩斯系列经久不衰，也是因为有所夸大但不离谱
python是...
玛德异教徒，烧
我觉得解释P(B|A)为什么可以证伪那段讲的不是很好。我认为狗叫和生熟人的例子不是很贴切。
回到程序员的例子。
假如程序员一定爱穿格子衫（ P(B|A) = 1 ），那么即便穿格子衫的人很多，一个穿格子衫的人也有可能是程序员。
但假如程序员一定不爱穿格子衫（ P(B|A) = 0 ）， 那么这个公式求出来的值就是0。也就是说在程序员一定不爱穿格子衫的情况下，穿格子衫就可以证伪一个人不是程序员。
换句话说，在同样是很多人都穿格子衫的固定前提下：假设1）程序员一定穿格子衫，那么穿格子衫的人不一定但有可能是程序员。假设2）程序员一定不爱穿格子衫，那么穿格子衫的人一定不是程序员。
主播在室內帶鴨舌帽的機率很小，而且還不是普通鴨舌帽，由此可以推斷，那不是普通的鴨舌帽。
雖然是半開玩笑，但我還是沒查不到那帽子來源。
😄
马云的独特品质：陈云喜欢他...
独特的，不是广义。 specific not too broad
Typescript才是世界上最好的语言！！！！😡
不！php才是世界上最好的语言！！！！
成功學都是扯淡，成功的推理也是扯淡，只是蒙準了😅
但是，猜不透周星馳
给个马云小概率的事吧，与党久高层有联系，这概率够小了吧，你能学吗?
如果分子分母搞反了……
数学不好的中国人路过
喜歡讀書爱整潔的農民，竟还有臉教人邏輯推理
呱呱呱
最后一个例子不是很适合中国，发达国家倒是适合的
成功學？忽悠學
装B
亂講
你讲的完全不对啊，你的格子衫判断是基于中国的环境，北京的工作环境，你北京有几个人去中东的军队当军医啊？它是根据美国的环境。
感谢观看。这个例子也有点开玩笑的意思，不用太当真。请取其精华弃其糟粕 :)