图示/公式/案例配图
多个观测图版 116
用于理解 5.2.1 多个观测下的贝叶斯定理 的关键结构。
我们来看看多个观测下的贝叶斯定理,在条件独立的假设下应该如何计算。我们以最简单的两种情况为例。
原始图版
图版说明
我们来看看多个观测下的贝叶斯定理,在条件独立的假设下应该如何计算。我们以最简单的两种情况为例。
读图拆解
假设背后的原因可以分为两类,H和,现在有两个观测A1和A2,那么在这两个观测下,原因H的后验概率为:
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。