好了,到目前为止,一切都对我来说还可以,因为信息流是根据直观的因果关系发生的。但是在这种方案中,我没有得到所谓的“ V型结构”或“对撞机”的特殊行为。
然后,这里要破解的最难的螺母就是v型结构。我想用一个虚拟的例子来说明一个变量S的概率仅取决于对效果的观察,而另一个变量D的观察的影响在相同情况下与S无关。
假设有人在学习课程,例如线性代数。他能否通过,主要取决于考试的难度。让我们表示通过P传递课程的事件,否则以1和0传递;考试的难度为D,难度为1,难度为0。胡说八道也可能影响他的成绩或成绩,比如说发生了奇异现象,他会被机器洗脑,然后决定不参加考试。我们用S表示事件,其概率为0.0001。这似乎是不可能的,但根据定义,它的机会不应为零。
因此,我们现在有了一个v结构形式的图形:
D S
| |
\| |/
P
P(¬ P| 小号)= 0.999999P(P| 小号)= 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|
P(S| P)P(S| P,D )
1)如果我们不知道结果,我们可以计算出在过程简单的情况下发生奇点的概率。
P(S| ¬d)= P(S,P| ¬d)+P(S,¬ P| ¬d)= P(S= 1 ,P= 1 ,D = 0 )P(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 ,小号= 1 )P(D = 0 )+ P(S= 1 )P(D = 0 | S= 1 )P(P= 0 | d = 0 ,小号= 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
如您所见,考试是否通过并不重要。应有的结果。可以看作是对P的边际概率。
而且,如果学生未通过考试,我们也可以算出发生奇点的可能性:
P(S,| ¬ P)= P(S,¬ P)P(¬ P)= P(S,¬ p ,d )+ P(S,¬ P,¬ d )P(¬ P)= P(¬ P| 小号,d )P(S)P(D )+ P(¬ P| 小号,¬ d )P(S)P(¬ d )∑小号,DP(¬ P| 小号,d )P(S)P(D )= 0.0001818
知道这个人没有通过考试,我们可以猜测他可能被机器洗脑了0.0001818,这比我们不知道的时候大一点。
P(S,| ¬ P,¬ d )= P(S= 1 ,P= 0 ,D = 0 )P(P= 0 ,D = 0 )= P(P= 0 | 小号= 1 ,D = 0 )P(S= 1 )P(D = 0 )P(P= 0 | 小号= 1 ,D = 0 )P(S= 1 )P(D = 0 )+ P(P= 0 | 小号= 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
瞧,变化比我们只知道他不会考试要大得多。然后我们看到P(S| P)≠ P(S| P,D ) 我们可以推断出 小号⊥ d | P∉ 我(P(P,S,D )) 这意味着D可以通过P影响S。
希望这个详细的推导是正确的。