关于因果关系的新科学txt(关于因果关系的新科学目录)

领500g书库，关注公众号:程叫兽的宝藏 (长按可复制！)

热门下载区==>点此链接进入<<<

本文节选自《关于因果关系的新科学txt》

望在数据中看到怎样的概率依存模式。原因和概率之间的这一基本联系构成了贝叶斯网络对因果推央科学的主要页献。我的行李箱在哪里?从亚珠到桑给巴尔到目前为止，我只着重曾述了贝叶斯网络的一个方面，即图示和其中的稍头，箭头从因恰当地指同果。事实上，图示就相当于贝叶斯网络的引擎。但与任何引擎一样，它也需要燃料来运行，这种燃料被称为“条件概率表”(conditionalprobabilitytable，人简称为CPT)。妃一各说法臣，图示以定性的方式描述了变量间的关系，但如果你想要定量的答案，你就需要定量的输入。在贝叶斯网络中，我们必希具体给出在给定了“父节点”的条件下每个节点的条件概率。《请记住，一个节点的父节点是指同它的所有节点。)这类概率就是前辐概率，P“《证据|假设)。举个例子，在A为根节点(footnode)时，由于不存在指癌它的箭头，我们只需要为A的每个状态指定一个先验概率即可。在我们之前提到的第二个网络，“疾病一“检测”中，“疾病”就是一个根节点。因此，我们所做的就是指定了一个人患有这种疾病的先验概

the book of why epub

率(Cl1/700)和其未患这种疾病的先验概率(699/700)。我们将A描述为根节点，并不是说A的发生不存在起因。实际上，几乎没有任何变量符合这种描述。我们真正的意思是，A的任何先验的因都可以被适当地概括为先验概率P〈A)，其中A为真。例如，在“疾病一检测”的例子中，家族病史就可能是一个病因。但是，只要我们确信家族病史不会影响变量“检测”在已知“疾病”的状态的前提下)，我们就不必将它表示为图示中的一个节点。但是，如果“疾病”的一个因也直接地影响了“检测”，那么这个因必须在图示中明确地表示出来。再举尺一个例子，当节点A有父节点时，在决定其自身状态之前，A必须先“听从于”其父节点。在乳房X光检查的例子中，“检测”的计呈六“疾病”。我们可以用一个2X2的表来表示这个“听从”过呈〈见表3.2)。例如，如采“检汕”“听到”D=0《“检查者未虽者痪)，则它在88%的情况上耻值I0，,在12的情况下到值T-1。请注，志表的第三列包食的信。上县与我们先前从乳腺冶监测联合会那里得到的信，甩相同:假阳性率为12%，

the book of why 评论

检测敏感度为73%。其余两格中所填数字使每行之和为100%-表3.2简单的条件概率表概率一，给定条件|娓=0人在面对更复杂的网络时，条件概率表会相应地变得更加复杂。例如，如果某个节所有2个父节后，则条件概率表必须考虑到2个父节点的4种可能状态。我们来看一个具体的例了，，该例是由贝叶斯实验室CBavesial全)的斯带分。康拉迪和莱昂内尔。焦夫提出的。其中涉及了一个所有旅行爱好者都很熟悉的场景，我们可以称这个例子为:“我的行李箱在哪里?”设想你离开了德国亚琛市，刚刚%抵非洲的双给巴尔，现在，你正等着你的行李箱出现在传送带上。其他乘客已经陆续拿到了箱子，页从避在等，等，等…….问题页来了:你的行李箱没有被从亚琛运到给巴尔的概率有多大?答案显然取决于你等了多和久。如果这如内的旅客的行李箱刚刚开始帅现在传送带上，那么也许你应该耐心一儿，再稍等一会儿。而如果你已经等下不太妙了。我们可以通过绘制一张因果图来量化你的焦虑〈见图3.5)。行李箱“上”了飞机等待时间行李箱在传送带上图3.5机场/行李箱例子的因果图

《the book of why》

综上：关于因果关系的新科学目录值得推荐阅读