生活不是掷骰子
图示/公式/案例配图

多个观测图版 122

用于理解 5.2.2 晴天的概率有多大 的关键结构。

假设A1和A2分别代表第一个人和第二个人早起散步这两个事件,我们想要推测的两个原因为H=“晴天”,=“下雨”。假设你事先对这个城市的下雨状况一无所知,这意味着P (H)==50%。我们总结一下知道的信息:

原始图版

多个观测图版 122

图版说明

假设A1和A2分别代表第一个人和第二个人早起散步这两个事件,我们想要推测的两个原因为H=“晴天”,=“下雨”。假设你事先对这个城市的下雨状况一无所知,这意味着P (H)==50%。我们总结一下知道的信息:

读图拆解

为了显示出一个观测和两个观测的区别,我们先看看在A1情况下,晴天的概率是多少。根据贝叶斯公式:

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。