贝叶斯网络澄清

Question

我正在尝试学习贝叶斯网络，我有一个问题，我想要澄清一下。

给定表

CPT

p(Aggression=high|Anger=Partly，Hostility=Yes)是什么？我的答案是0.5。

我的思维过程是愤怒和敌意是相互依赖的，所以根据给定的信息，部分愤怒和敌意的概率是0.5。

侵略性是独立于这两者的，所以它就是P(侵略性)*0.5= 0.5。

这是一个正确的假设吗？

Answer 1

简而言之:我对p(Aggression=high|Anger=Partly,Hostility=Yes)的值是100%.

如果攻击性与敌意和愤怒无关，那么你有什么证据就无关紧要了。因此，p(攻击性)是p(Agg=low)，p(Agg=high)，p(Agg=veryhigh)中的最大值。

然而，3*9表意味着p(Agg) = p(Hos，Ang)，并且它不是独立的。

我试着用自由软件"Samiam“来模拟你的CPT (上表)。

为此，我在Samiam中输入了来自CPT的侵略性节点的值。对于先例:我假设一个人有5%的时间处于愤怒状态，15%的时间是部分愤怒的，80%的人不是愤怒的；10%的时间是敌对的，30%的时间是敌对的，60%的时间不是敌对的。

查看截图：

​

攻击性节点的表值：

​

根据观察到的证据- Aggression=High的值达到了100%：

​

我还附上了samiam文件：

net
{
    propagationenginegenerator1791944048146838126L = "edu.ucla.belief.approx.BeliefPropagationSettings@20ece334";
    recoveryenginegenerator6944530267470113528l = "edu.ucla.util.SettingsImpl@49f77e1b";
    node_size = (130.0 55.0);
    huginenginegenerator3061656038650325130L = "edu.ucla.belief.inference.JoinTreeSettings@71a1d859";
}

node Aggression
{
    states = ("Low" "High" "VeryHigh" );
    position = (268 -263);
    diagnosistype = "AUXILIARY";
    DSLxSUBMODEL = "Root Submodel";
    ismapvariable = "false";
    ID = "variable2";
    label = "Aggression";
    DSLxEXTRA_DEFINITIONxDIAGNOSIS_TYPE = "AUXILIARY";
    excludepolicy = "include whole CPT";
}
node Anger
{
    states = ("no" "partly" "yes" );
    position = (118 -48);
    diagnosistype = "AUXILIARY";
    DSLxSUBMODEL = "Root Submodel";
    ismapvariable = "false";
    ID = "variable0";
    label = "Anger";
    DSLxEXTRA_DEFINITIONxDIAGNOSIS_TYPE = "AUXILIARY";
    excludepolicy = "include whole CPT";
}
node Hostility
{
    states = ("No" "Partly" "Yes" );
    position = (351 -46);
    diagnosistype = "AUXILIARY";
    DSLxSUBMODEL = "Root Submodel";
    ismapvariable = "false";
    ID = "variable1";
    label = "Hostility";
    DSLxEXTRA_DEFINITIONxDIAGNOSIS_TYPE = "AUXILIARY";
    excludepolicy = "include whole CPT";
}
potential ( Aggression | Anger Hostility )
{
    data = (((  1.0 0.0 0.0 )
        (   0.5 0.5 0.0 )
        (   0.5 0.0 0.5 ))
        ((  0.5 0.5 0.0 )
        (   0.5 0.5 0.0 )
        (   0.0 1.0 0.0 ))
        ((  0.5 0.0 0.5 )
        (   0.0 0.5 0.5 )
        (   0.0 0.0 1.0 )));
}
potential ( Anger | )
{
    data = (    0.8 0.15    0.05    );
}
potential ( Hostility | )
{
    data = (    0.6 0.3 0.1 );
}