1.基础知识 事件：从S（样本空间）里面得到的集合 栗子：例如一次丢筛子实验，样本空间（可能出现的所有后果）={1，2，3，4，5，6}            设置事件A为骰子点数大于3  ， A={4，5，6}  //这里需要先不涉及随机变量的知识。 条件概率：A事件的发生受到B事件发生的影响 全概率公式：样本空间可以被瓜分，且按照一种关系瓜分 贝叶斯公式：  2.netica中参数的解释 3.Python pgmpy模块实现一次贝叶斯网络概率计算 作者：darksheng