在很多情形下，事件彼此相关，我们希望在考虑这种关系的前提下计算概率。
另一方面，许多问题可以通过对样本空间中的元素进行分类来研究。处理彼此没有公共元素（即不重叠）的分类更容易。在这个背景下，请回答下列问题：
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
抛硬币是随机实验的经典示例。可能的结果是正面或反面。这类实验称为伯努利试验或二项试验，可用于研究仅有两种可能结果的问题，如"是"或"否"、"投票"或"不投票"。本章将介绍伯努利实验、用于建模多次伯努利试验的二项分布，以及使用 scipy 库进行概率模拟。
本章中，您将学习计算多种类型的概率，例如两个事件的交集概率、两个事件概率之和，并模拟这些情形。您还将学习条件概率以及如何应用贝叶斯法则。
当前练习
到目前为止，我们一直使用二项分布，但随机变量可以遵循的概率分布还有很多。本章将介绍与二项分布相关的另外三种分布：正态分布、泊松分布和几何分布。
现在您已经会计算概率和概率分布的重要性质，我们将介绍两个重要结果：大数定律和中心极限定理。这将帮助您进一步理解，随着数据增加，样本均值如何收敛到总体均值，以及在一定条件下随机变量之和的行为。 我们还将探讨线性回归和逻辑回归之间的联系，作为概率与统计在数据科学中的应用。
