图示/公式/案例配图
多个观测图版 117
用于理解 5.2.1 多个观测下的贝叶斯定理 的关键结构。
我们先看P （A1， A2|H）。虽然在某些情况下，这个概率可以通过统计直接计算出来，但是在大多数情况下，我们都假设A1和A2是关于原因H和条件独立的（这个假设通常也是符合实际情况的，我们将在后面举例说明）。
原始图版
图版说明
我们先看P （A1， A2|H）。虽然在某些情况下，这个概率可以通过统计直接计算出来，但是在大多数情况下，我们都假设A1和A2是关于原因H和条件独立的（这个假设通常也是符合实际情况的，我们将在后面举例说明）。
读图拆解
P (A1, A2|H)=P (A1|H)P (A2|H)
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。