“如果先验概率P（0），P(1)已知，条件概率P(x|1）和P(x|0)也已知，可以计算得到无条件概率：

P(x)=P(0)P(x|0)+P(1)P(x|1)；

后验概率P（0|x)= P(0)P(x|0)/P(x)，P(1|x)=P(1)P(X|1)/P(x)，如果P(0|x)>P(1|x)，判决为0，反之判决为1，如果相等，选谁都一样，此之谓”贝叶斯决策最优“。

兄弟们学会了吗？”夏小语软糯糯的说道。

【好的，兄弟们我学废了】

【谢谢up猪的普及，我是来看跳舞的，请教一下现在舞蹈区都这么卷吗？】

【up猪真的不考虑把分区改为普及区吗？或许受众会多很多。】

【啊~~这黏糊糊的声音，我酥了，要是我数学老师这么教我数学，菲尔兹奖必定有我的一份。】

【为什么视频下方会有，请勿模仿的字样，啊b这是多看得起我？】

【近年很火的元学习，从贝叶斯的视角来看，就是经验贝叶斯（Empirical Bayes）的方法，从大量任务中学习任务的先验，期待这样的先验能够使我们的预测更加准确。】

夏小语大喜，果然还是有人懂的，这种分享知识共同学习的感觉真不错，当即说道：

“这位名叫研究动物世界繁衍的b友说的没错，如果你感觉Bayesian models反直觉，不好理解！本次分享两个工具，利用可视化的直观方式探索贝叶斯模型，详细的我放在了作者的话里面，有兴趣的可以查看哟！”说罢俏皮的单眨了眨眼，双手比了个开枪的姿势。

【不枉我听了一个小时的数学课，值了。】

【下次能不能提前打个招呼，差点就错过了。】

【兄弟们，这是我最后的营养了...】

“好了，b友们，我要继续水论文了，大家加油哦！”夏小语比了个心微笑着关掉了对话框，转而投入到论文的创作之中，一边写作，脑子里想到的都是刚才b友们的评论和自己的分析。

P波触发后前3 s的P波平均周期τ_(c)和位移幅值P_(d)，

结合贝叶斯理论建立震级和峰值加速度的预测模型，并以震级M4.5和峰值加速度为120 cm/s^(2)为预警阈值，

建立了地震危害性判别模型.与传统拟合方法进行对比仿真分析，并以汶川M_(S)8.0地震为震例，进行地震危害性判别实验与分析。