贝叶斯网络的设计:理解“状态”和“节点”之间的区别

时间:2012-05-01 15:24:32

标签: probability bayesian-networks

我正在使用“Hugin Lite”程序设计一个小贝叶斯网络。 问题是我很难理解“节点”(视觉圆圈)和“状态”(女巫是节点的“字段”)之间的区别。

我会写一个清楚的例子,另一个我无法理解的例子。

我明白的例子:
有两个女人(W1和W2)和一个男人(M) M得到一个W1的孩子。孩子的名字是:C1
然后M得到一个W2的孩子。孩子的名字是:C2

生成的网络是:

enter image description here

每个节点(W1,W2,M,C1,C2)的四种可能状态是:

  • AA:这个人有两个基因“A”
  • Aa / aA:该人有一个基因“A”和一个基因“a”
  • aa:这个人有两个基因“a”

现在我无法理解的例子:

给出的数据:

  • 某人在外国(旅行)时的付款总额(授权与否):5%(当然95%的交易是在本国进行的交易)
  • 旅行时没有授权付款:1%
  • 在HOME COUNTRY中未获授权的付款:0,2%
  • 在归属国家和外国公司的非授权付款:10%
  • 在HOME COUNTRY和外国公司的授权付款:1%
  • TAVAL(未经授权授权)在旅行和外国旅行时付款:90%

我得到的是以下内容。

enter image description here

但我不确定它是否正确。你怎么看?然后我应该为每个节点实现一个“概率表”。但是我该怎么写呢?

概率表: enter image description here

非常感谢任何有关网络正确性以及如何填满表格的提示。

2 个答案:

答案 0 :(得分:1)

这是作业,所以我不想只是告诉你答案。相反,我会做一个观察,并提出几个问题。观察结果是你希望你的箭头从原因开始生效。

因此。付款授权状态是该位置的原因吗?或者是支付授权的原因?

另外,你真的需要四个变量,每个旅行,家庭,外国和本地?或者可能是一些较小数量的变量就足够了?

答案 1 :(得分:1)

节点是随机变量(RV),即具有不同状态的“事物”因此具有一定程度的不确定性,因此您将概率分配给这些状态。因此,例如,如果你谈论人的RV,它可能有不同的状态,如[男人或女人]与他们相应的概率,如果你想将它与另一个RV信誉相关[好,坏]然后你可以“嫁给”人和信用价值将RV和国家组合结合起来。