来了 来了 他真的来了

在千锋教育线上课程学习JAVA不知不觉已经第三周,这周又学很多很多新知识,抽象,多态,继承,封装…很多,多态有点难度 但是自己仔细琢磨之后还是能理解的,俗话说的好,一听就会,一写就废,这句话 还是真的对,但是不管多么难得东西还是经不住反反复复的琢磨推敲, 多态:两种方式----覆写与重载,覆写主要用在抽象类和接口类,重载是同函数名不同参数类型或参数个数。这个我还不能理解透彻,只有在后面的学习中去吃透它。总之,这周的学习收获很大。下周也要继续努力。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
贝叶斯理论可以用来分析“狼来了”的概率。我们可以将问题分解为以下几个步骤: 1. 定义事件:假设有一个村庄,有一天晚上有人喊“狼来了”,我们将这个事件定义为A。 2. 先验概率:在没有任何证据的情况下,村庄里真的有狼的概率是多少?这个概率可以称为先验概率,通常用P(A)表示。我们可以根据以往的经验和相关数据来估计这个概率。例如,如果这个村庄以前没有发生过狼袭击的事件,我们可以认为P(A)很小,比如说0.1。 3. 证据:有人喊“狼来了”是一个证据,它增加了狼袭击事件发生的可能性。我们可以根据这个证据来更新我们的信念,计算出后验概率P(A|B),其中B表示有人喊“狼来了”。 4. 贝叶斯公式:我们可以使用贝叶斯公式来计算后验概率: P(A|B) = P(B|A) * P(A) / P(B) 其中,P(B|A)表示在狼真的来了的情况下,有人喊“狼来了”的概率;P(B)表示有人喊“狼来了”的概率。 5. 估计概率:我们需要估计P(B|A)和P(B)。P(B|A)表示在狼真的来了的情况下,有人喊“狼来了”的概率。我们可以假设这个概率比较高,比如说0.8。P(B)表示有人喊“狼来了”的概率,它包括两种情况:狼真的来了但没人喊和狼没来但有人喊。我们可以假设这个概率比较低,比如说0.2。 6. 计算结果:根据贝叶斯公式,我们可以得出后验概率: P(A|B) = 0.8 * 0.1 / 0.2 = 0.4 这意味着,在有人喊“狼来了”的情况下,狼袭击事件发生的概率为40%。虽然这个概率比较高,但我们仍然不能确定是否真的有狼,因为这个概率只是一个估计值,可能存在误差。如果我们有更多的证据,比如看到了狼的踪迹或听到了狼的嗥叫声,我们可以再次使用贝叶斯理论来更新我们的信念。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值