故事是这样的，
故事是这样的，，Bob 和 Alice 经常远程进行聊天，可能用 QQ 也可能用微信。Bob 的心情因天气而变化。晴天的时候心情多半会很好，阴天时候则相反。
图
还有一个已知条件就是，如果今天是晴天，那么明天还是晴天概率为 80% 则阴天的概率为 20% 这是已知条件。
概率
如果是阴天情况
如果今天是阴天，那么第二天是阴天的概率为 60 %，是晴天的概率则为 40%。
隐马尔可夫模型
隐马尔可夫模型或称作隐性马尔可夫模型，是统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析，例如模式识别。 在正常的马尔可夫模型中，状态对于观察者来说是直接可见的。这样状态的转换概率便是全部的参数
观测参数
这里观测的参数是，Alice 观察到的 Bob 的心情，隐藏的未知的是 Bob 那边的天气状况。
抽象
我们用字母分别代替对应的图形。
以下是今天的问题，我们跟着问题一步一步完成今天的课程。
问题
第一个问题
我们是如何找到这些规律的呢。下面是一段时间的历史数据，通过这些数据来得出一些概率。
图
图
在图中我们看看有多少天是他的第二天还是晴天的天数是 8
图
第二天是阴天的晴天的天数是 2 所以概率是 20%
晴天到阴天的概率
同样我们会得到晴天到阴天的概率。
图
通过以上数据分析我们就得到这张图，这张图来表示天气变化的概率。
图
在天气数据下面列出 Bob 每天的心情数据。这是隐藏在天气背后的概率。
图
这里晴天是好心情的比例和阴天是好心情的比例如上图。好到此为止我们已经回答了第一个问题。晴天时好心情的概率是 80%
问题二
是如何猜测某一天是阴天还是晴天。
图
Alice 通过和 Bob 聊天来猜测今天的天气。
图
根据以前的数据得知阴天和晴天是 2 : 1
晴天的概率
例如 今天是晴天的概率是受到昨天来是阴天还是晴天影响，从图中可以看出，S = 0.8S + 0.4R
图
图
阴天和晴天概率和是 1
图
如果Bob今天高兴，可能是晴天的概率是阴天的4 倍
高兴
沮丧
如果 Bob 不高兴那么阴天的概率就大一些。
今天
贝叶斯法则（Bayes'theorem/Bayes theorem/Bayesian law） 贝叶斯的统计学中有一个基本的工具叫“贝叶斯法则”。
这里还是要先感谢分享课程的作者，叶贝斯是由英国数学家叶贝斯发展，用来描述两个条件概率之间的关系，P(A|B)和 P(B|A)间的关系。P(B|A)=P(A|B)*P(B)/P(A)
贝叶斯
图
某一天是晴天和阴天概率比为 2 : 1
图
晴天是高兴和沮丧的概率是 4 : 1 阴天时高兴和沮丧的概率 2:3'好，假设这里是十五天那么我们整理数据应该是下图的模样。
图
这是15天的采样数据，那么其中Bob可能心情高兴的天数就是上图绿色区域所表示的，而红色表示沮丧。
概率计算
如果今天因晴天而高兴，概率是 80 %
图
网友评论