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，我想澄清一下。

给出表格

CPT

p（攻击性=高|愤怒=部分，敌意=是）会是什么？我的答案是0.5。

我的思维过程是愤怒和敌意是依赖的，所以根据给出的信息，部分愤怒和是敌意的概率是0.5。

侵略与两者无关，所以它只是P（攻击性）* 0.5 = 0.5。

这是一个正确的假设吗？

Answer 1

简短回答：我p(Aggression=high|Anger=Partly,Hostility=Yes)的价值是100%.

如果侵略是独立的敌对和愤怒，那么你有什么证据并不重要。 所以p（侵略）是3个值p（Agg =低），p（Agg =高），p（Agg =非常高）的最大值。

然而，3 * 9表意味着p（Agg）= p（Hos，Ang）并且它不独立。

我尝试使用免费软件“Samiam”为您的CPT（上表）建模 我这样做了，我已经从Samiam的CPT中为Aggression节点输入了值。 对于先辈们：我假设有人在5％的时间处于愤怒状态，15％的时间部分生气，80％的人不生气;和敌对的10％的时间，部分敌对的30％或60％的时间没有敌意。

查看截图：

侵略节点的表值：

有观察到的证据 - 侵略价值=高达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 );
}