生活不是掷骰子
图示/公式/案例配图

多个观测图版 114

用于理解 5.2.1 多个观测下的贝叶斯定理 的关键结构。

条件独立是关于三个事件的概率关系:如果事件A和事件B关于事件C条件独立,那么我们一旦知道C发生了,那么A或者B中任意一个的信息,不能够帮助我们更好地推断出另外一个发生的概率。

原始图版

多个观测图版 114

图版说明

条件独立是关于三个事件的概率关系:如果事件A和事件B关于事件C条件独立,那么我们一旦知道C发生了,那么A或者B中任意一个的信息,不能够帮助我们更好地推断出另外一个发生的概率。

读图拆解

在现实生活中,有非常多条件独立的例子。需要注意的是,很多情况下,两个事件从统计意义上是相关的,但是它们都是关于背后的另外一个隐藏变量条件独立的。此外,很多事情看似是独立的,但是它们实际上也是关于某个隐藏变量条件独立的。

怎么用

把它当成“概率关系图”来读,而不是当成装饰图片。看完后复述:这张图想改变我哪一个判断习惯?

提醒

如果图中数字或结构看不懂,不要急着跳过。先回到所在章节的源段落,再结合概念页理解术语关系。

关联章节

第5章 多个观测下的贝叶斯

多个观测并不自动带来更强结论,关键在于它们是否独立、是否互补、是否遗漏了更关键的一项。

关联原则

  • 条件独立

    多个证据能否安全叠加,取决于它们是否在已知原因下彼此独立。