贝叶斯推理（Bayes Reasoning）、独立与因式分解

• $P(X,Y) = P(X)P(Y)$，$X\perp Y$
• $P(X,Y,Z)\propto \phi_1(X,Z)\phi_2(Y, Z)$，$\left(X\perp Y\big | Z\right )$

1. Reasoning patterns

• causal reasoning

  
  
  

  由原因到结果的一种自然推理（$P(I^1\big |i^0, d^0)$）；

• evidential reasoning

  
  
  

  一种由结果到原因的反向推理（$P(d^1\big | g^3), P(i^1\big | g^3)$），

• intercasual reasoning

  
  
  

  “intercasual reasoning” 探讨的是两个没有直接箭头的结点之间的推理，$P(i^1\big | g^3,d^1)$

2. 影响在何时发生（$X$ 对 $Y$的影响）

• $X\rightarrow Y$：casual reasoning
• $X\leftarrow Y$：典型的 evidential reasoning，
  所谓 X 对 Y 的影响，换种表达方式即为，condition on $X$ changes belief about $Y$
• $X\rightarrow W\rightarrow Y$：
• $X\leftarrow W \leftarrow Y$：也是通过 evidential reasoning 的方式；
• $X\leftarrow W \rightarrow Y$，结合第一部分的三幅图，X：grade，W：intelligence，Y：SAT，X 的变化根据 evidential reasoning 会影响 W，进一步根据 casual reasoning 会影响 Y，
• $X\rightarrow W\leftarrow Y$，v-structure，X 的变化不会对 Y 产生影响；