本节书摘来自异步社区《贝叶斯思维：统计建模的Python学习法》一书中的第1章，第1.8节，作者【美】Allen B. Downey，更多章节内容可以访问云栖社区“异步社区”公众号查看
1.8 讨论
对于涉及条件概率的很多问题，贝叶斯定理提供了一个分而治之的策略。如果p(A|B)难以计算，或难以用实验衡量，可以检查计算贝叶斯定理中的其他项是否更容易，如p(B|A)，p(A)和p(B)。
如果蒙蒂大厅问题让你觉得有趣，我在一篇文章“All your Bayes are belong to us”中收集了很多类似问题，你可以去单击链接进行阅读http://allendowney.blogspot.com/2011/10/all-your-bayes-are-belong-to-us.html。
