2、贝叶斯概率基础 【解】设A表示“取到的元件是次品”,B表 示“取到的元件是由第个厂家生产的”,则 P(B1)=0.15,P(B2)=0.8,P(B3=0.05 对于问题2,由贝叶斯公式可得: P(BIA)=P(B1*(ABP(A) =0.15*0.020.0125=0.24 P(B2A)=PB2 *P(AB2)/P(A) =0.8*0.01/0.0125=0.64 P(B 3JA)=P(B3)*P(AB3P(A =0.05*003/0.0125=0.12 17
17 2、贝叶斯概率基础 ◼ 【解】设A表示“取到的元件是次品”，Bi表 示“取到的元件是由第i个厂家生产的”，则 P(B1 )=0.15，P(B2 )=0.8，P(B3 )=0.05 ◼ 对于问题2，由贝叶斯公式可得： P(B1 |A) = P(B1 )*P(A|B1 )/P(A) = 0.15*0.02/0.0125 = 0.24 P(B2 |A) = P(B2 )*P(A|B2 )/P(A) = 0.8*0.01/0.0125 = 0.64 P(B3 |A) = P(B3 )*P(A|B3 )/P(A) = 0.05*0.03/0.0125 = 0.12
贝叶斯网络 1、引例 2、贝叶斯概率基础 3、贝叶斯网络概述 4、贝叶斯网络的预测、诊断和训练 a41贝叶斯网络的预测 42贝叶斯网络的诊断 a43贝叶斯网络的训练
18 贝叶斯网络 ◼ 1、引例 ◼ 2、贝叶斯概率基础 ◼ 3、贝叶斯网络概述 ◼ 4、贝叶斯网络的预测、诊断和训练 ❑ 4.1 贝叶斯网络的预测 ❑ 4.2 贝叶斯网络的诊断 ❑ 4.3 贝叶斯网络的训练
3、贝叶斯网络概述 贝叶斯网络是描述随机变量(事件)之间 依赖关系的一种图形模式,是一种可用来 进行推理的模型。 ■贝叶斯网络通过有向图的形式来表示随机 变量间的因果关系,并通过条件概率将这 种因果关系量化。(Pay Hangover)( Brain Tumor Headache Smell(Pos Xray 19 Alcohol
19 3、贝叶斯网络概述 ◼ 贝叶斯网络是描述随机变量（事件）之间 依赖关系的一种图形模式，是一种可用来 进行推理的模型。 ◼ 贝叶斯网络通过有向图的形式来表示随机 变量间的因果关系，并通过条件概率将这 种因果关系量化。 Party Hangover Brain Tumor Headache Smell Alcohol Pos Xray
3、贝叶斯网络概述 个贝叶斯网络由网络结构和条件概率表 两部分组成。 口网络结构是一个有向无环图,由若干结点和 有向弧组成。 >每个结点代表一个事件或者随机变量,变量 值可以是连续的或者离散的,但结点的取值 必须是完备互斥的。 >结点之间的有向弧代表随机变量间的因果关 系(概率依赖关系,有向弧的起始结点表示 原因,有向弧的终止结点表示结果
20 3、贝叶斯网络概述 ◼ 一个贝叶斯网络由网络结构和条件概率表 两部分组成。 ❑ 网络结构是一个有向无环图，由若干结点和 有向弧组成。 ➢ 每个结点代表一个事件或者随机变量，变量 值可以是连续的或者离散的，但结点的取值 必须是完备互斥的。 ➢ 结点之间的有向弧代表随机变量间的因果关 系(概率依赖关系)，有向弧的起始结点表示 原因，有向弧的终止结点表示结果
3、贝叶斯网络概述 个贝叶斯网络由网络结构和条件概率表 两部分组成。 口条件概率表:是指网络中的每个结点都有 个条件概率表,用于表示其父结点对该结点的 影响。 >当网络中的某个结点没有父结点时,该结点 的条件概率表就是该结点的先验概率 21
21 3、贝叶斯网络概述 ◼ 一个贝叶斯网络由网络结构和条件概率表 两部分组成。 ❑ 条件概率表：是指网络中的每个结点都有一 个条件概率表，用于表示其父结点对该结点的 影响。 ➢ 当网络中的某个结点没有父结点时，该结点 的条件概率表就是该结点的先验概率