Demo 1：糖果罐抽球 — 概率分布与归一化
Chapter 1 · 概率推断与贝叶斯心智
核心公式：\( p(x_i) = \frac{s_i}{\sum_j s_j}, \quad \sum_i p(x_i) = 1 \)
红色糖果
蓝色糖果
绿色糖果
参数控制
调整每种颜色糖果的"权重"（相对数量），观察归一化概率如何变化。
0
红色0
蓝色0
绿色可视化
概率分布（饼图）
经验频率 vs 理论概率
观察提示：试试把某种颜色的权重拨到 0，看看饼图和抽球结果会怎么变化。抽球次数越多，经验频率越接近理论概率 —— 这就是大数定律的直觉。
文献与案例意图：本 demo 对应教材 §1.1 概率分布的基本定义。概率分布要求非负且归一化（\(\sum_i p(x_i)=1\)）。糖果罐模型是 Bayesian cognitive science 中常用于说明离散概率空间的教学例子（Phillips, 1966; Sanborn & Chater, 2016; Vul et al., 2014）。核心教学点：概率不是任意分数，而是非负且总和为 1 的归一化信念。