原文鏈接

1. What is a Bayes net?

貝葉斯網是一個模型。 它反映了正在建模的世界的某些部分的狀態，它描述了這些國家如何與概率相關聯。 該模型可能是您的房子，或您的汽車，您的身體，您的社區，生態系統，股票市場等。絕對任何東西都可以由貝葉斯網絡建模。 模型的所有可能狀態都表示可能存在的所有可能的世界，即可以配置部件或狀態的所有可能的方式。 汽車發動機可以正常運行或發生故障。 輪胎可以充氣或平坦。 你的身體可以生病或健康，等等。

那麽概率在哪裏進來？ 那麽一般情況下，一些state會在其他state存在時更頻繁地發生。 因此，如果你生病了，流鼻涕的機會就會更高。 如果是陰天，下雨的機會較高，依此類推。

這是一個簡單的貝葉斯網絡，說明了這些概念。 在這個簡單的世界中，讓我們說天氣可以有三個狀態：陽光充足，多雲或多雨，而且草也可以是濕潤或幹燥的，而且噴頭可以打開或關閉。 現在這個世界有一些因果關系。 如果是下雨的話，那草就會直接濕潤。 但如果長時間晴朗，那麽也可以通過讓我們打開噴頭來間接地把草打濕。

當反映實際天氣，草坪和噴灑器使用行為的現實的實際可能性，這樣的網可以回答一些有用的問題，如“如果草坪是濕的，什麽是 這是由雨水或噴水器造成的機會“，”如果雨的機會增加，這怎麽會影響我預算的時間來澆灌草坪“。

這是另一個簡單的貝葉斯網叫Aisa。 這是一個很受歡迎的例子，介紹貝葉斯網，來自Lauritzen＆Spiegelhalter88。 請註意，僅作為舉例目的，不應用於真正的決策。

這是一個網絡的簡化版本，可用於診斷到達診所的病人。 網絡中的每個節點對應於患者的某些狀況，例如“訪問亞洲”表示患者是否最近訪問了亞洲。 任何兩個節點之間的箭頭（也稱為鏈接）表示存在這些兩個節點的狀態之間存在的概率關系。 因此，吸煙會增加肺癌和支氣管炎的機會。 肺癌和支氣管炎均增加呼吸困難（呼吸急促）的機會。 肺癌和結核病，但通常不是支氣管炎，都可能引起肺部異常的X光。 等等。

鏈接箭頭的方向大致對應於“因果關系”。 這是圖中較高的節點傾向於影響下面的節點，而不是或至少比其他方式更多。

知乎翻譯版

2、Probabilities need not be exact to be useful

有些人已經避開使用貝葉斯網，因為他們認為如果他們所依據的概率是準確的，他們才會運作良好。 這不是真的。 事實證明，大概的概率，即使是被猜測的主觀概率，也給出了非常好的結果。 貝葉斯網對於不完美的知識通常是相當強大的。 通常，幾條不完美知識的結合可以使我們作出驚人的強大結論。

3、 Causal Conditional Probabilities are easier to estimate than the reverse

研究表明，人們在向前推進方面更好地估計概率。 例如，醫生相當擅長給出“如果患者患有肺癌，X線檢查異常的機會是多少”的概率估計值，而不是相反，“如果X射線異常，那麽什麽 是肺癌的原因嗎？

貝葉斯網絡簡介--翻譯版