글쎄, 지금까지는 정보의 흐름이 직관적 인 원인-효과 관계에 따라 발생하기 때문에 모든 것이 괜찮습니다. 그러나 나는이 체계에서 소위 "V- 구조"또는 "콜 리더"의 특별한 행동을 얻지 못한다.
그런 다음 여기에 딱딱한 너트가 v- 구조입니다. 나는 가상의 예를 사용하여 동일한 상황에서 S와 무관 한 다른 변수 D의 관측의 영향 과 효과의 관찰에만 조건화 된 변수 S 의 확률의 차이를 설명하고 싶습니다 .
누군가가 과정을 밟고 있다고 가정합시다. 그가 통과 할 수 있다면 주로 시험의 어려움에 달려 있습니다. P가 코스를 통과 한 이벤트를 나타내며, 그렇지 않으면 1과 0을 전달합니다. 넌센스가 1, 0은 쉽지만 시험의 어려움도 있습니다. 그리고 말도 안되는 것이 그의 성능이나 결과에 영향을 미칠 수 있습니다. 특이점이 발생하고 기계에 의해 세뇌되고 나서하지 않기로 결정한다고 가정 해 봅시다. 시험을 치르십시오. 우리는 사건을 S로 표시하고 그 확률은 0.0001입니다. 그것은 불가능 해 보이지만 정의상 그 기회는 0이되어서는 안됩니다.
따라서 이제 v- 구조 형식의 그래프가 있습니다.
D S
| |
\| |/
P
피( ¬ P| 에스) = 0.999999피( P| 에스) = 0.000001
| d0 | d1 |
|:-----|--------:|
| 0.5 | 0.5 |
| s0 | s1 |
|:-------|--------:|
| 0.9999 | 0.0001 |
| S | D | P(p0|S,D) | P(p1|S,D) |
|:------|-----:|----------:|----------:|
|s0 | d0 | 0.20 | 0.80 |
|s0 | d1 | 0.90 | 0.10 |
|s1 | d0 | 0.999999| 0.000001|
|s1 | d1 | 0.999999| 0.000001|
피( S| 피)피( S| 피, D )
1) 결과를 모르는 경우 코스가 쉽다는 점에서 특이점이 발생할 확률을 계산할 수 있습니다.
피( S| ¬D)= P( S, P| ¬D)+P( S, ¬ P| ¬D)= P( S= 1 , P= 1 , D = 0 )피( D = 0 )+ P( S= 1 , P=0,D=0)P(D=0)=P(S=1)P(D=0|S=1)P(P=1|D=0,S=1)P(D=0)+P(S=1)P(D=0|S=1)P(P=0|D=0,S=1)P(D=0)=P(S=1)P(D=0|S=1)P(D=0)=P(S=1)P(D=0)P(D=0)=P(S=1)=0.0001
위에서 볼 수 있듯이 시험을 통과했는지 여부는 중요하지 않습니다. 무엇이 올 것인가? P에 대한 한계 확률로 볼 수 있습니다.
또한 학생이 시험에 합격하지 못한 경우 특이점이 발생할 확률을 계산할 수 있습니다.
P(S,|¬P)=P(S,¬P)P(¬P)=P(S,¬p,D)+P(S,¬P,¬D)P(¬P)=P(¬P|S,D)P(S)P(D)+P(¬P|S,¬D)P(S)P(¬D)∑S,DP(¬P|S,D)P(S)P(D)=0.0001818
그 사람이 시험에 합격하지 못한다는 것을 알면 우리는 그가 기계로 세뇌 당했을 수도 있습니다.
피( S, | ¬ P, ¬ D )= P( S= 1 , P= 0 , D = 0 )피( P= 0 , D = 0 )= P( P= 0 | 에스= 1 , D = 0 ) P( S= 1 ) P( D = 0 )피( P= 0 | 에스= 1 , D = 0 ) P( S= 1 ) P( D = 0 ) + P( P= 0 | 에스= 0 , D = 0 ) P( S= 0 ) P( D= 0 )= 0.999999 × 0.0001 × 0.50.2 × 0.9999 × 0.5 + 0.999999 × 0.0001 × 0.5=0.0004998
P(S|P)≠P(S|P,D)S⊥D|P∉I(P(P,S,D))
이 상세한 파생물이 hl이되기를 바랍니다.