生活不是掷骰子
图示/公式/案例配图

多个观测图版 119

用于理解 5.2.1 多个观测下的贝叶斯定理 的关键结构。

P (A1|H)和P (A1|H)是在原因H的前提下,分别观测到A1和A2的概率。然后我们再看P (A1, A2)。根据全概率公式,我们将其在所有的原因下展开,即

原始图版

多个观测图版 119

图版说明

P (A1|H)和P (A1|H)是在原因H的前提下,分别观测到A1和A2的概率。然后我们再看P (A1, A2)。根据全概率公式,我们将其在所有的原因下展开,即

读图拆解

同样,利用条件独立的假设,我们有:

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。