你想弄懂什么？

公式 P(A 且 B) = $P(A)P(B)$ 被划掉是因为它仅对独立事件有效。视频强调了一般乘法法则 P(A 且 B) = $P(A)P$(B|A)，该法则对独立和非独立事件都适用。

适用条件：事件 A 和 B 可能是相关的。；一般乘法法则 P(A 且 B) = $P(A)P$(B|A) 无论是否独立都适用（假设 $P(A) > 0$）。

在几何模型中，总样本空间被表示为一个大的正方形。先验概率 $P(H)$ 决定了代表假设的垂直条带的宽度，而似然率 $P(E|H)$ 决定了该条带内发生证据的阴影区域的高度。

适用条件：总样本空间归一化为单位面积；事件 H 和 E 被视为可测量的子集

批评者指出，先验受背景知识影响的主观起点。源群体的定义非常重要：Steve是从国家人口普查数据中随机抽取的还是观察者认识的个人，这会改变概率图中的基线宽度。

适用条件：将基础比率应用于特定个人档案；抽样框（随机与熟人）存在歧义

贝叶斯定理之所以正确，是因为两个事件的联合概率可以通过两种对称的方式进行分解。A 和 B 同时发生的概率等于 A 的概率乘以在 A 发生的条件下 B 的条件概率，同时也等于 B 的概率乘以在 B 发生的条件下 A 的条件概率。

适用条件：A 和 B 是同一概率空间中的事件。；此处使用的普通条件概率要求 A 和 B 都具有正概率。

使用自然频率（例如，固定人口如210人中的计数）来构建问题与心理学家卡尼曼和特沃斯基的发现一致。具体的人数使复杂的条件关系变得有形，减少了认知负荷。

适用条件：问题涉及条件概率或贝叶斯推断；比较的是自然频率框架与百分比/概率框架