贝叶斯网络(基础知识)贝叶斯网络(基础知识).docVIP

贝叶斯网络（基础知识） 1基本概率公理 1）命题 我们已经学过用命题逻辑和一阶谓词逻辑表达命题。在概率论中我们采用另外一种新的表达能力强于命题逻辑的命题表达方式，其基本元素是随机变量。 如：Weather=snow; Temperature=high, etc。 在概率论中，每个命题赋予一个信度，即概率 2）在随机现象中，表示事件发生可能性大小的一个实数称为事件的概率用P(A)表示。 如P(硬币＝正面)＝0.5。 3）在抛硬币这个随机现象中，落地后硬币的所有可能结果的集合构成样本空间。 4）P(A)具有以下性质: 0 ≤ P(A) ≤ 1, P()+P()=1 P(true) = 1 and P(false) = 0 P(A ú B) = P(A) + P(B) - P(A ù B) (or, P(A∨B)=P(A)+P(B), if A∩B=，即A,B互斥) 2随机变量 随机变量是构成语言的基本元素：如本书提到的天气、骰子、花粉量、产品、Mary，公共汽车，火车等等。 1）典型情况下，随机变量根据定义域的类型分成3类： 布尔随机变量：如：牙洞Cavity的定义域是true, false 离散随机变量：如：天气Weather的定义域是sunny, rainy, cloudy, snow 连续随机变量：如：温度Temperature的定义域是[0, 100]。 这里我们主要侧重于离散