图中画红线部分提到运用贝叶斯处理，就对应着概率的加法和乘法准则，其中矢量x代表一组训练样本，矢量t是相应的预测函数值。（x，t）是一个测试点。矢量w是多项式拟合曲线中的参数。我现在的想法是1.68式运用的是全概率公式：
只不过这里把求和符号改成积分符号，所以我认为p(t |x, w)p(w |x, t)可以整合成类似p（t |x，x，t）形式（其中w放在哪我也不清楚），最后通过积分变成p（t |x，x，t ），我想问的是p(t |x, w)和p(w |x, t)相乘到底得到什么，推导过程是怎样的。希望有高手指点一二。
