探讨贝叶斯公式（第2.1节）

我过去一直对贝叶斯公式感到习以为常，在数学表达上它表现为P(A|B) \cdot P(B) = P(B|A) \cdot P(A)的形式。尽管这个公式本身并不复杂，但要真正理解其应用场景却一直让我感到困惑不解。因此每次有人问我贝叶斯公式是什么时我都支支吾吾不敢给出明确回答。现在我们来探讨一下贝叶斯公式的具体应用方法吧！

假设有这样一道题目：已知一批样本被划分为A类和B类两种类型，并且已知两类别的先验概率（即各类别在总体中的比例），然后从这批次样本中随机抽取一个样本并观察其具有特征x的情况，请问这个样本属于A类和B类的概率分别是多少？

这个问题可以通过贝叶斯定理来解决！

概率论中的贝叶斯公式可表示为：P(w_i|x) = \frac{p(x|w_i)P(w_i)}{p(x)} = \frac{p(x|w_i)P(w_i)}{\sum_{j=1}^n p(x|w_j)P(w_j)}其中w_i代表样本所属的类别i；x代表样本所具有的特征；P(w_i)称为先验概率（priori probability）；而P(w_i|x)则被称为后验概率（posterior probability）。需要注意的是这里的p(x)是特征x在总体中的分布密度；而p(x|w_i)则是指在各类别中出现特征x的概率密度函数——简称为类条件概率密度！

上述问题