条件独立(conditional independence) 结合贝叶斯网络(Bayesian network) 概率有向图 （PRML8.2总结）

转：http://www.cnblogs.com/Dzhouqi/p/3204481.html
本文会利用到上篇，博客的分解定理，需要的可以查找上篇博客

 

 

D-separation对任何用有向图表示的概率模型都成立，无论随机变量是离散还是连续，还是两者的结合。

 

 

 部分图为手写，由于本人字很丑，望见谅，只是想把PRML书的一些部分总结出来，给有需要的人看，希望能帮到一些人理解吧。