python计算条件概率_概率计算：定义概率分布数据结构，Python实现概率分布计算...

使用Python实现马尔科夫随机场、蒙特卡洛采样等随机过程算法的前提，就是用Python实现概率的计算。并不只是数值计算，而是能够将随机模拟中常用的各种概率相关的操作，都能用计算机的数据结构来表达，其关键在于对【随机变量】的适当定义处理。

因此本文介绍一下概率分布在Python中定义的一种数据结构。

一个概率分布的组成要素包含：随机变量、变量的维度、变量不同取值状态的对应概率值。

在一个有向图中(贝叶斯网络)，常有如下所示的结构：

典型的贝叶斯网络

在这个贝叶斯网络中，有五个随机变量，各自有不同的维度，并且在列表中给出了对应变量取值的概率值。因此我们的目标可以拆解为两步，第一：

用Python精准地定义一个因子对象(记为Factor)，这个对象表达一个联合分布，其中包含随机变量、变量维度、对应概率值这三个信息。

第二：

实现概率相乘、求边缘概率、求条件概率运算。

这次先解决问题一。

将概率分布间的计算用python表达出来，包括对一个联合分布求某个变量的边缘概率分布，对一个联合分布给定一部分变量的取值，求条件概率分布。以及更基础的，求两个因子的乘积-状态维度和状态维度的相乘，所对应的概率值的数量也同样扩大。

最后，分别获取这个贝叶斯网络中每个因子的概率分布，我们要求出整个网络的联合分布ÿ