本節書摘來異步社群《機率程式設計實戰》一書中的第2章，第2.2節，作者：【美】avi pfeffer（艾維·費弗），更多章節内容可以通路雲栖社群“異步社群”公衆号檢視。
您已經概要了解了figaro概念，接下來看看它們是如何融合在一起的。您将回顧第1章的hello world示例，特别注意圖2-2中的所有概念是如何出現在這個例子中的。您将關注如何從原子和複合元素中構模組化型，觀測證據，提出查詢，運作推理算法，得到答案。
本章的代碼可以兩種方式運作。一種是使用scala控制台，逐行輸入語句并獲得即時響應。為此，進入本書項目根目錄practicalprobprog/examples并輸入sbt console，将會看到scala提示符。然後輸入每行代碼，檢視響應。
第二種方式是通常的方法：編寫一個包含main方法的程式，該方法包含想要執行的代碼。在本章中，我不提供将代碼轉換為可運作程式的模闆，隻提供與figaro相關的代碼。我将確定指出您需要導入的内容及将其導入的位置。
首先，您将建構最簡單的figaro模型。這個模型包含一個原子元素。構模組化型之前，必須導入必要的figaro結構：
val sunnytoday = flip(0.2)<code>`</code>
圖2-3解釋了這一行代碼。搞清楚哪一部分是scala，哪一部分是figaro，是很重要的。在這行代碼中，建立了一個名為sunnytoday的變量，并指派flip(0.2)。scala值flip(0.2)是一個figaro元素，表示true值機率為0.2、false值機率為0.8的一個随機過程。元素是表示随機産生一個值的過程的資料結構。随機過程可能産生任意數量的結果。每個可能結果被稱為過程的一個值。是以，flip(0.2)是可能取值為布爾值true及false的元素。總結起來就是，您有了一個包含scala值的scala變量。該scala值是figaro元素，它包含表示過程不同結果的任意個可能取值。
在scala中，類型可以由另外一種描述其内容的類型參數化。您可能從java泛型中已經熟悉了這個概念，例如，在java中可以得到一個整數或者字元串的清單。所有figaro元素都是element類的執行個體。element類由元素可能取值的類型參數化。這種類型稱作元素的值類型。因為flip(0.2)可以取布爾值，flip(0.2)的值類型為boolean。這一事實的标記方法是：flip(0.2)是element[boolean]的一個執行個體。
關鍵定義
元素——代表一個随機過程的figaro資料結構。
值——随機過程的一個可能結果。
值類型——代表元素可能取值的scala類型。
關于這個簡單模型有許多值得說明的地方。幸運的是，您已經學到的知識适用于所有figaro模型。figaro模型通過取得群組合簡單的figaro元素（構件）建立更複雜的元素和相關元素集合而建立。您剛剛學到的元素、值和值類型的定義是figaro中最為重要的定義。
在繼續建構更複雜的模型之前，我們先來看看如何用這個簡單模型進行推理。
您已經建構了一個簡單模型。我們運作推理，查詢sunnytoday為true的機率。首先，需要導入将要使用的推理算法：
println(variableelimination.probability(sunnytoday, true))<code>`</code>
上述指令列印輸出0.2。您的模型隻包含元素flip(0.2)，結果為true的機率為0.2。變量消除算法正确計算出sunnytoday為true的機率是0.2。
詳細說來，您剛剛看到的指令完成好幾件工作：首先建立變量消除算法的一個執行個體，告訴執行個體查詢目标是sunnytoday。然後運作算法并傳回sunnytoday值為true的機率。這條指令還負責執行完畢的清理，釋放算法所用的任何資源。
現在，我們開始建構一個更有趣的模型。您需要一個figaro結構——if，是以要導入它。還需要一個名為select的結構，但是這已經随着com.cra.figaro.language導入：
val greetingtoday = if(sunnytoday,
對此的思維方式是元素代表一個随機過程。在本例中，名為greetingtoday的元素代表着這樣的過程：首先檢查sunnytoday的值，如果為true，選擇“hello，world!”的機率為0.6,“howdy, universe!”的機率為0.4。如果sunnytoday的值為false，選擇“hello, world!”的機率為0.2，“oh no, not again”的機率為0.8。greetingtoday是一個複合元素，因為它由3個元素建構而成。由于greetingtoday的可能取值為字元串，是以它是element[string]。
現在，假定您已經看到今天的問候語是“hello, world!”，您可以使用一個觀測值說明這一證據：
這條指令列印輸出0.4285714285714285。注意，結果明顯高于前一個答案（0.2）。這是因為問候語是“hello, world!”時，今天是晴天的可能性高于其他情況，是以證據支援今天是晴天。這一推理是貝葉斯法則的簡單執行個體，第9章将介紹這一法則。
您打算擴充該模型，用不同證據運作更多查詢，是以應該移除變量greetingtoday的觀測值。用如下指令可以完成：
您将得到和指定證據之前一樣的答案0.2。
在本節的最後，我們進一步細化模型：
println(variableelimination.probability(greetingtomorrow, "hello, world!"))
// prints 0.27999999999999997
greetingtoday.observe("hello, world!")
// prints 0.3485714285714286<code>`</code>
可以看到，在觀察到今天的問候語是“hello, world!”時，明天的問候語是“hello, world!”的機率增大，為什麼？因為今天的問候語是“hello, world!”，今天就更有可能是晴天，明天是晴天的可能性也就更大，最終使明天的問候語更可能是“hello, world!”。正如在第1章中所看到的，這是推斷過去更好預測未來的一個例子，figaro負責所有的計算。
現在，您已經看到了建立模型、指定證據和查詢、運作推理得到答案的所有步驟，接下來我們更仔細地觀察hello world模型，了解如何從構件（原子元素）和連接配接器（複合元素）建構它。
圖2-4是模型的圖形描述。該圖首先重制了模型定義，每個scala變量在一個單獨的方框中。在下半部分中，每個節點表示模型中的對應元素，同樣在單獨的方框中顯示。有些元素本身就是scala變量值。例如，scala變量sunnytoday的值是flip(0.2)元素。如果元素是scala變量值，圖上顯示變量名稱和元素。該模型還包含了一些不是特定scala變量值，但仍出現在模型中的元素。例如，因為sunnytomorrow的定義是if(sunnytoday, flip(0.8), flip(0.05))，flip(0.8) 和flip(0.05)也是模型的一部分，是以它們顯示為圖中的節點。
該圖包含了元素之間的邊。例如，從flip(0.8)到取sunnytomorrow值的if元素之間有一條邊，表明if元素使用flip(0.8)元素。一般來說，如果第二個元素的定義中使用了第一個元素，則兩者之間存在一條邊。因為隻有複合元素是由其他元素建構而成的，是以隻有複合元素可能成為邊的終點。
需要注意的一點是，select(0.6 -> "hello, world!", 0.4 -> "howdy, universe!")在圖中出現了兩次，select(0.2 -> "hello, world!", 0.8 -> "oh no, not again")也是如此。這是因為代碼中定義出現了兩次，一次用于greetingtoday，另一次用于greetingtomorrow。盡管定義相同，但是這是兩個不同的元素。它們在figaro模型定義的随機過程的同一次執行中可能取不同的值。例如，該元素的第一個執行個體可能取值“hello, world!”，而第二個執行個體可能取值“howdy, universe!”。這是有意義的，因為第一個元素執行個體用于定義greetingtoday，第二個則用于定義greetingtomorrow。今天和明天的問候語很可能不一樣。
這和正常程式設計類似，想象一下您有一個greeting類和如下代碼：
val greetingtoday = new greeting
val anothergreetingtoday = greetingtoday
anothergreetingtoday.string = "howdy, universe!"<code>`</code>
anothergreetingtoday和greetingtoday是相同的scala變量，是以運作上述代碼之後，greetingtoday的值也是“howdy, universe!”，同樣，如果同一個scala變量代表程式中出現多次的一個元素，它在每次運作中也取相同的值。
了解這一點對于了解figaro模型的建構方式是必不可少的，是以我建議反複閱讀本節以確定了解。此時，您應該已經概要了解所有的figaro主要概念以及它們的組合方式。在下面幾節中，您将更詳細地研究其中一些概念，下一節首先介紹原子元素。