AFAIK，你不能这么说$p > \frac{1}{2}$甚至$\mathbb E[p]>\frac{1}{2}$是“观察”或“事件”，而是对模型参数的约束。术语“观察”通常保留用于随机变量的特定实现（即从分布中提取）。在您的模型中，可以合理地观察到$p$（0到1之间的数字）或结果$Bernoulli(p)$（0 或 1）。没有办法观察$\mathbb E[p]>\frac{1}{2}$，此信息位于您的概率模型之外。

作为粗略的规则（适用一些警告），您应该能够在给定模型参数的情况下从概率模型中模拟观察结果。你将如何模拟一个模型$\mathbb E[p]>\frac{1}{2}$是一个可能的观察？

如果你从$p\sim Beta(a_0,b_0); a_0, b_0 \in \mathbb{R}^+$模型然后学习$\mathbb E[p]>\frac{1}{2}$，这意味着您的初始模型不正确，您应该更改模型以反映约束（$\mathbb E[p]>\frac{1}{2}$暗示$\frac{a_0}{a_0 + b_0} > \frac{1}{2}$, 所以一些组合$a_0$和$b_0$被排除）。AFAIK 不能直接用贝叶斯更新语言处理添加约束。

希望有帮助。

在贝叶斯推理中，“观察”和“事件”之类的术语只是为了方便。它们没有根本重要性，所以不要挂断它们。

特别是，没有物理因果关系或时间之箭——没有“事件”。是否可以以多个顺序执行某些计算完全取决于模型的形式。如果在代数上，假设某些变量的赋值顺序不同（即“观察”），结果是相同的，那么，太棒了，你可以做任何方便的事情。如果不是，那么，那又如何？

关于 p > 1/2 的表示，您可以将其表示为一个似然函数，它只是 1/2 的一步。也就是说，它在 1/2 的左边是零，右边是任何正常数。请注意，普通的“观察”会产生平滑变化的似然函数，但平滑不是必需的。

为了做到这一点，随机变量必须是可交换的。

你的例子有点不同，因为$p>1/2$不是一个事件。一个事件应该在可能性的支持下。在这种情况下，事件仅由二项式随机变量或其总和构成。