文中标准差的英文写错了
第三问的马尔可夫链怎么做呀，有人会说一下呗
第三题简化到 P(AB)P(BC) 不知道对不对
请问第四题何解？按照两次独立D1计算明明结果更好
请问一下第三题怎么做呀？有没有大佬会的写一下过程
是不是 P(A,B,C) = P(A)P(B|A)P(C|B)
作图的那个代码我运行不了哦
一运行，内核就掉了
“形式上， 概率 （probability）可以被认为是将集合映射到真实值的函数。”
此处“真实值”应为“实数”吧
我觉得应该是的，P(A,B,C) = P(A)P(B|A)P(C|B)
有朋友们分享一下第四题的见解吗 
第四题，我觉得是因为使用同一种测试的话，如果没有随机因素的干扰或者测试流程的问题，结果应该是不会变的，所以大概率结果相同，第二次测试就没什么意义。使用不同的测试，可以避免这个问题。个人感觉，仅供参考
d2l.plt.plot和d2l.plot有什么区别呢？
d2l.plt.plot用的是matplotlib.pyplot.plot()函数，dl2.plot是自己定义的绘图函数
第四题中因为第一个测试和第二个测试具有不同的特性，所以可以假定它们条件独立来计算患者真实患病的概率。而测试一和它本身显然是条件不独立的（不能使用bayes定理计算必要概率），而且具有很强的相关关系，因此连续做两次测试一不能更好地判断病人是否患病
第一题中的两个参数：
“m=500组实验，每组抽取n=10个样本”
能否这样理解：n个样本对应深度训练框架中的batch_size, m组实验对应batch的个数?
batch_size 越大模型越容易收敛，因为学得是大batch数据的均值；反之越小，越不稳定，极端情况是1的时候，模型不可能收敛了；
第四题，第一个测试两次都是阳性，此时是真阳性的概率是：0.999993
推导过程：
一个是调用d2l包中自己封装的方法，一个是调用d2l包中matplotlib.pyplot包中方法
这张图的横纵坐标轴的中文显示乱码
d2l.plt.gca().set_xlabel(‘Groups of experiments’)
d2l.plt.gca().set_ylabel(‘Estimated probability’)
有个问题一直困扰我，方便解答一下吗，第一种测试显示阳性实际患病概率是13.6%，不患病的概率就是86.4%；如果再来一次第一种测试，并且是条件独立的，那两次不患病的概率是86.4%*86.4%=0.7465，那患病的概率应该是25%左右啊