贝叶斯公式：P（A｜B）=P（B｜A）*P（A）/P（B）
例如：
P（天冷｜已知感冒）=P（感冒｜天冷）*P（天冷）/P（感冒）
其中 P（天冷）是先验概率，P（感冒｜天冷）是似然，P（感冒）全概率，P（天冷｜已知感冒）是后验概率。
P（天冷）是先验概率可以用贝塔（beta）分布估计，是“因”的概率，beta分布是一个概率的概率分布，期望是∂/（∂+ß），对未知概率的概率做估计；
P（天冷｜已知感冒）是由果推因的概率；
P（感冒｜天冷）是似然，指天冷导致感冒的概率；
例题：
扔硬币，前一万次的结果是 正面，再扔一次，还是正面的概率是多少？
- 1/2 常规思路
- 1 频率学派，使用频率估计概率
- 1/2-1，贝叶斯学派，使用贝塔分布，（1+10000）/（2+10000）大于1/2
- 0-1之间，垫子学派，前面为正是为了这次为负做铺垫
