torch.distributions.multinomial. Multinomial这个函数搜了英文解释看不懂什么意思，求解 
懂了…
为什么红圈里的总是零啊？
我也是这样，随机的结果和举例不同，最后图表渐近线离概率0.167很远，请问你解决了吗？
我也碰到了这个问题，刷新一下记事本居然就可以产生随机的了 
From d2l import torch as d2l
最后报错SyntaxError: invalid syntax该怎么处理
我也遇到了，据说是mxnet 在windows 上的一个bug
https://discuss.d2l.ai/t/probability/36/33
解决方法，在我这，因为他好像是按照概率分布的，即
np.random.multinomial(100, fair_probs,8)
将给出
array([[ 0, 0, 0, 0, 0, 100],
[ 0, 0, 0, 0, 0, 100],
[ 0, 0, 0, 0, 0, 100],
[ 10, 23, 17, 0, 0, 50],
[ 22, 11, 19, 0, 0, 48],
[ 16, 15, 14, 0, 0, 55],
[ 9, 25, 20, 15, 15, 16],
[ 15, 23, 14, 13, 19, 16]], dtype=int64)
简单把前面部分丢弃就行了。例如用
np.random.multinomial(100, fair_probs,8)[-1]
代替
np.random.multinomial(100, fair_probs)
以及在下边的代码中，用
counts = np.random.multinomial(10, fair_probs, size=500)[200:]
代替
counts = np.random.multinomial(10, fair_probs, size=500)
即可得到原来的效果
没有小伙伴用TensorFlow框架的嘛？我的mxnet老是部署失败了，只能用TensorFlow框架了。
ubuntu系统,去清华源下一个安装里面指定的Miniconda版本(4.12.0),然后conda换清华源,pip换清华源,按照步骤安装,我两台电脑都没问题,
边际化是不是翻译成边缘概率分布好点？
联合概率密度，边缘概率密度，条件概率，多元随机变量
为啥我根据书的内容运行的结果是这样的，而且一直都是这样的，是我哪里安装的版本不对，我是win10系统，用的是mxnet
fair_probs = [1.0 / 6] * 6
np.random.multinomial(1, fair_probs)
Out[58]:
array([0, 0, 0, 0, 0, 1], dtype=int64)
第三题
一般的条件概率公式为：P(A,B,C)=P(A)⋅P(B∣A)⋅P(C∣B,A)
由于B完全依赖于A，C完全依赖于B，因此P(B|A,C)=P(B|A), P(C|B,A)=P(C|B)
因此可以表示为：P(A,B,C)=P(A)⋅P(B∣A)⋅P(C∣B)