在R中，对于使用bnlearn的贝叶斯网络，计算出的概率是否必须传递到下一个节点？

Question

我正在尝试定义我的询问。也许我的话是错的。抱歉造成任何误会。

cptD中的四个概率是指根据“ C”事件对“ D”事件的预测。例如“ C”事件：“ TRUE”，“ FALSE”和“ D”可能的事件：“ y”，“ n”。因此，它是具有给定概率的2x2表。我的问题是：

• 先前的知识：如何将来自“ A”和“ B”事件的“ C”可能事件的预测传递到“ D”节点？

• 因为如果我理解正确，C是由A和B预测的，而D是由C预测的。 但是，在“ C”节点中再次定义了概率。

• 我们可以在C-D交互中传递计算出的概率吗？怎么样 ？ 请提供清晰的R示例，因为我很困惑。 请用简单的词描述节点“ D”的概率。

• 网络是由专家知识定义的。我们能否定义A事件，B事件，仅C事件，仅D事件的概率， 然后C（与A，B）和D（与C）事件交互的概率从一个节点传递到另一个节点？

• 事件和交互的概率都必须独立于先前的节点事件计算吗？

• 那么，如果A和B节点中的概率发生变化，这将不会影响D节点中的概率？如果是，怎么办？如果没有，为什么？如果同时出现，怎么办？

这里是示例：

library(bnlearn)

net = model2network("[A][B][C|A:B][D|C]")

cptA = matrix(c(0.4, 0.6), ncol = 2, dimnames = list(NULL, c("LOW", "HIGH")))
cptB = matrix(c(0.8, 0.2), ncol = 2, dimnames = list(NULL, c("GOOD", "BAD")))
cptC =  array(c(0.5, 0.5, 0.4, 0.6, 0.3, 0.7, 0.2, 0.8), dim = c(2, 2, 2), dimnames = list("C" = c("TRUE", "FALSE"), "A" =  c("LOW", "HIGH"),"B" = c("GOOD", "BAD")) )

cptD = matrix( c(0.4, 0.6, 0.2, 0.8), ncol = 2, dimnames =  list("D" = c("y", "n"), "C" =  c("TRUE", "FALSE") ) )

cfit = custom.fit( net, dist = list( A = cptA, B = cptB, C = cptC, D=cptD ) )

graphviz.chart( cfit )