你想弄懂什么？

在这个双类别示例中，先验 $P(H)$ 是在看到证据之前假设“Steve是图书管理员”的概率，根据规定的人口计算为 $1/21$。似然率 $P(E|H)$ 是在假设成立的情况下证据“符合描述”的概率，规定为 0.4。

适用条件：假设 H：“Steve是图书管理员”；证据 E：“符合描述”；人口假设：10名图书管理员，200名农民；似然率假设：图书管理员40%，农民10%

在正方形图中，花括号代表面积的比例。$P(A)$ 是事件 A 发生的总样本空间的比例（一个垂直条带）。

适用条件：可视化假设概率可以用相对面积来表示。；此处使用的普通条件概率要求 A 和 B 都具有正概率。

书本和放大镜图标代表概率空间中的特定事件，作为贝叶斯定理中变量的标签。显示的公式是 P(书本|放大镜) = P(书本)P(放大镜|书本)/P(放大镜)。

适用条件：图标在显示的公式中用作事件标签。；视频中的不同显示并未强加固定的字母到图标的对应关系。

从结构上看，贝叶斯定理首先要求你将注意力限制在仅出现证据 $E$ 的案例中。然后，在该过滤后的子群中，计算满足假设 $H$ 的比例是多少。

适用条件：证据 E 已经发生（条件化）；边缘概率 $P(E) > 0$