他的突破是提出了一种分析概率陈述的方法，形式如下： “假设事件 B 发生，事件 A 发生的概率是多少？” 数学家将其写为 P(A|B)。 贝叶斯发现这 = P(A 和 B) / P(B) 用简单的英语来说，这意味着： “事件 A 和 B 同时发生的概率除以事件 B 发生的概率。 ” 而且 P(A|B) = P(B|A) * P(A) / P(B) 这意味着： “在 A 发生的情况下 B 发生的概率乘以 A 发生的概率，再除以 B 发生的概率” 为什么这很重要？这对于理解各种测试的结果至关重要——从医学试验到转化率。
参加常规筛查的
岁女性中，1% 患有乳腺癌。80% 的 智利电话号码 乳腺癌女性的乳房 X 线摄影结果会呈阳性。 9.6% 的非乳腺癌女性的乳房 X 线摄影结果也会呈阳性。这个年龄段的女性在常规筛查中乳房 X 线摄影结果呈阳性。 她实际上患有乳腺癌的概率是多少？” 如果你想深入了解营销含义，我真的很喜欢这篇文章。
O(n) 和 o(n) 我在攻读数学学位期间做过的
一件事就是编写非常糟糕的代码。 我的讲 顶级服装品牌如何管理数字货架上的商品设置师建议使用 Pascal 或 C。C 听起来像“真正的编程”，所以我选择了它。用 C 编写糟糕的程序非常容易，因为你可以管理自己的内存（这让我想起了这个编程笑话）。 当你想到程序失败时，你往往会想到崩溃或返回错误答案的错误。
但是当你开始破解现实世界的问题时
最常见的失败之一是编写永远运行而永 在短信中 远不会给你答案的程序。 随着我们能够轻松获取越来越多的数据，意外编写出需要花费数小时、数天、数周甚至更长时间才能运行的程序变得越来越容易。 计算机科学家使用所谓的“大 O 符号”来描述算法运行时间的特征。 假设您正在运行一个包含“n”个条目的数据集。
大 O 符号是计算机科学家用
”来描述算法运行时间的方法。 粗略地说，O(n^2) 意味着随着数据集的大小增长，算法运行时间将以数据集大小的平方增长。 例如，处理 100 个事物的 O(n) 算法可能需要 100 秒，但 O(n^2) 则需要 100*100 =10,000 秒。 如果您有兴趣深入探究这个概念，这是一个非常好的入门书。