d-separation
三种类型:
- Serial connection (head-to-tail)
- Diverging connection (tail-to-tail)
- Converging connection
公式推导
链式法则
P(X1,X2,...,Xn)=P(X1∣X2,...,Xn)P(X2∣X3,...,Xn)...P(Xn−1∣Xn)P(Xn)
贝叶斯网络定义:
P(X1,X2,...,Xn)=i=1∏nP(Xi∣PA(Xi))
Serial connection (head-to-tail)
不观测Xk
P(Xi,Xj)=xk∑P(Xi,Xj,Xk)=P(Xi)P(Xj∣Xi)
结果:X与Y并不是独立事件
观测Xk
P(Xi,Xk,Xj)=P(Xi)P(Xk∣Xi)P(Xj∣Xk)
P(Xi,Xj∣Xk)=P(Xk)P(Xi,Xk,Xj)=P(Xk)P(Xi)P(Xk∣Xi)P(Xj∣Xk)=P(Xk)P(Xi,Xj)P(Xj∣Xk)=P(Xi∣Xk)P(Xj∣Xk)
结果: Xi,Xj关于Xk条件独立
Diverging connection (tail-to-tail)
不观测Xk
P(Xi,Xj)=xk∑P(Xi,Xj,Xk)=xk∑P(Xk)P(Xj∣Xk)P(Xi∣Xk)
结果:X与Y并不是独立事件
观测Xk
P(Xi,Xk,Xj)=P(Xk)P(Xi∣Xk)P(Xj∣Xk)
P(Xi,Xj∣Xk)=P(Xk)P(Xi,Xk,Xj)=P(Xk)P(Xk)P(Xi∣Xk)P(Xj∣Xk)==P(Xi∣Xk)P(Xj∣Xk)
结果:Xi,Xj关于Xk条件独立
Converging connection
不观测Xk
P(Xi,Xj)=xk∑P(Xi,Xj,Xk)=P(Xi)P(Xj)xk∑P(Xk)=P(Xi)P(Xj)
结果:X与Y是独立事件
观测Xk
P(Xi,Xj∣Xk)=P(Xk)P(Xi,Xk,Xj)=P(Xk)P(Xi)P(Xj)P(Xk∣Xi,Xj)
结果:Xi,Xj关于Xk 不是
条件独立
定义
在不同的已知条件下判断A,B是否属于D-Separationd时会得到不同的结果。
比如已知了C下可能判断出A 和B是d分离的,
但如果不知道c或者已知为节点D的状态或者不知道任何其他节点的状态,则可能得出的结果是A,B未分离的。
定义 D-Separation: 对于 DAG 图 E,且A,B是图中的两个节点,对于A和B之间的每个结点C,如果节点C满足如下两个条件之一,则认为A,B是D-Separationd:
- the connection of C is
serial
or diverging
and the state of C is observed;
- the connection of C is
converging
and neither the state of C nor the state of any descendant of C is observed
简单的来说:在C可观测时候 且 C是 serial
或者 diverging
连接时候,A,B是d分离的(独立);在C不可观测时候 且 C是 converging
连接时候,A,B是d分离的(独立)
反之:在C 不
可观测时候 且 C是 serial
或者 diverging
连接时候,A,B不是d分离的(独立);在C 可观测时候 且 C是 converging
连接时候,A,B 不是
d分离的(独立)
参考
参考_d-seperation_知乎
参考_d-seperation_博客园
参考_d-seperation_CSDN