星塵司機在酒吧裡解決了前兩個謎題，第三個謎題過不去

把心情刷到愛，它會和你一起逃跑

給他們更多的洋娃娃或食物禮物，他們心情好的時候會和你一起跑。

也許是你的性格問題（

多個事件同時發生的幾率=每個事件發生的概率乘以。

本問題有兩個事件：1酒鬼出櫃事件; 2.酒鬼去哪個酒吧。

酒鬼當天在第三個酒吧的幾率 = 酒鬼出來的幾率 （90%） * 酒鬼去酒吧的幾率正好是第三個酒吧 （1 （3-2）） = 90%。

這樣想吧。

某個酒精飲料一天中 100% 的酒精，只去三個酒吧。 有兩個酒吧，沒有醉漢。 在第三根柱線的幾率是多少？

在這一點上，你會說肯定（100%）在第三宮。

沒有兩個，它必須在第三個。 這是基於酒鬼必須出來的事實（100%），如果酒鬼出來的幾率是90%，那麼他在第三宮出來的幾率自然是90%。

醉漢去酒吧的概率正好是第三個是（1（3-2）），為什麼會有（3-2），因為單個事件的概率=事件之和可能事件的總和，因為已經確定不可能去第一名和第二名， 所以在計算可能事件的總和時，有必要從總數中減去這兩者，從總和中減去不可能的事情是消除干擾的關鍵。

百分之九十的時間，他出去喝酒的概率是90%，在家的概率是10%。 警方已經確定他不在前兩家酒吧，所以只要他出來喝酒，就會在第三家酒吧10%，出來喝酒的概率是90%。

答案是90和75，問題是出去喝酒的概率（90）是否與酒館有關。 根據實際生活經驗，大多數人決定先去酒館，然後再選擇酒館（即90%的飲酒與去哪個酒館無關），也可能會出現“今天應該去酒館A喝酒嗎（喝酒的概率與去哪個酒館有關）？ “這種問題。

總的來說，這兩個答案都沒有錯，畢竟這種應用數學是生活中的**，而生活中充滿了變數，答案自然不是固定的。

我想是這樣，就是網上他們說出去喝酒不出去喝酒，我了解他有四個地方住的地方，其中三個是他住的地方的30%，最後乙個是10%所以，當前兩個地方不在的時候， 他有100%的幾率在剩下的位置，那麼酒館的比例是75,25的概率是在家裡，我想他們說喝酒的幾率是90，在家的幾率是10，然後前兩個位置沒有人， 第三家酒館的概率會增加，但同樣，在家的幾率也會增加。因為把第三家酒館加到房子裡的幾率是40，這應該是真的，否則他不能算出酒鬼在家的十分之一的幾率。

所尋求的是酒鬼在不去第一和第二酒館的情況下去第三位的可能性。 也就是說，在酒鬼在家和第三家酒館的情況下去第三所房子的概率。 設條件為 A，第三位為 B。

所以：p（b|a） = p（ab） p（a） = （除了 （ =

答案是75%，用貝葉斯公式，如果你不懂，可以用資訊理論幫你理解。 在資訊理論中，資訊是用來消除不確定性的，資訊含量越大，消除的不確定性就越多，而這個問題在已知條件下已經消除了部分不確定性，所以答案不可能是90%或30%。

打個更簡單的比方，如果你知道一枚硬幣有50%的概率拋正面和反面，而現在硬幣不是正面，那麼硬幣是反面的概率是多少？

顯然，答案是 100%（如果引腳條會向上），因為給出的資訊已經消除了積極的不確定性，其餘的都是消極的。

回到酒鬼的問題，你是否覺得應用貝葉斯公式突然變得有啟發性？

酒鬼：其實我去不喝酒，就看我的心情了，當時我也沒有想那麼多。

反問：不在第三條的幾率是多少？

假設有事件 A 和 B，概率用 p（a） 和 p（b） 表示，而 p（a 和 b） 表示事件 A 和事件 B 同時發生的概率。

這裡有乙個交換定律，即 p（a 和 b） = p（b 和 a）。

如果 a 和 b 是獨立事件，則 p（a 和 b） = p（a）p（b），否則 p（a 和 b） = p（a）p（b） 不一定為真。

事件 b 發生在事件 A 之後的概率是已知的，稱為條件概率。

這裡的符號 p（b|a） 表示同時 p（b|a) = p(a and b)/p(a)。

換句話說：p（a 和 b） = p（b|a)p(a)。

通過條件概率的定義，可以得到它。

p(b|a)p(a) = p(a and b) = p(a|b） p（b），因此。

p(a|b) = p(a)p(b|a) / p(b)

這就是貝葉斯定理，看起來很簡單，但稍後會看到。

根據標題，我們知道酒鬼在酒吧 1、酒吧 2 和酒吧 3 的概率是 90%，現在其中兩個酒吧沒有找到任何人，所以概率是 0，所以酒鬼在酒吧 3 的概率是 90%。

很多人認為這個方案乍一看不是問題，但實際上，這個方案有明顯的邏輯漏洞。 從本質上講，對先驗概率的理解存在問題。

概念補充：先驗概率是基於過去的經驗和分析獲得的概率，它不會隨著頻率（或發生的事情）而改變。

在先驗概率的情況下，我們確定每個酒吧中酗酒的概率為 30%。

即使已經發生過警察在1號和2號酒吧沒有找到酒鬼的情況，酒鬼在1號和2號酒館的概率仍然分別為30%和30%，所以上面的解決方案將概率設定為零是錯誤的。 基於貝葉斯公式的條件概率 p（a|）b) = p(a)p(b|a) / p(b)。

假設事件 a 為：醉酒者在第 3 個柱線事件中，事件 b 是醉酒者不在前 2 個柱線中，p（a|b） 是醉酒者不在前兩個柱中而在第三個柱中的概率。

p(b|a） 酗酒者在第 3 個酒吧而不在前 2 個酒吧的概率為 1;

p（a） 是醉漢在第 3 根柱線的概率是 ;

p（b） 是酗酒者不在前 2 個酒吧的概率。

在這個時候。 p(a|b) = * 1 / = 75%。

1）不要混淆先驗概率和後驗概率。

很多時候，人們會把乙個事件的先驗概率和另乙個事件的後驗概率進行比較，分析結果，這種邏輯是錯誤的。

2）無論結果如何，即使已經發生，事件發生的先驗概率也不會改變。

你為什麼不能再進一步了。