因果推理(三):关联和因果在因果图中的流动

1. 贝叶斯网络和因果图

在统计模型中,联合分布的计算公式为:

P ( x 1 , x 2 , . . . , x n ) = P ( x 1 ) ∏ i = 2 n P ( x i ∣ x i − 1 , . . . , x 1 ) P(x_1,x_2,...,x_n)=P(x_1)\prod_{i=2}^{n}{P(x_i|x_{i-1},...,x_1)} P(x1,x2,...,xn)=P(x1)i=2nP(xixi1,...,x1)

以上计算也称链式规则。

而根据马尔可夫假设:在一个有向无环图(DAG,Directed Acyclic Graph)中,给定节点X的所有父节点,节点X独立于其所有的非子代节点。可以将以上公式简写为:

P ( x ) = ∏ i ∈ I P ( x i ∣ x p a ( i ) ) P(x)=\prod_{i\in{I}}{P(x_i|x_{pa(i)})} P(x)=iI

  • 4
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值