Концепция теории вероятностей
В теории вероятностей условная независимость описывает ситуации, когда наблюдение нерелевантно или избыточно при оценке достоверности гипотезы. Условная независимость обычно формулируется в терминах условной вероятности как особого случая, когда вероятность гипотезы при неинформативном наблюдении равна вероятности без нее. Если – гипотеза, и – наблюдения, то условную независимость можно сформулировать как равенство:![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle C}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle P (A \ Mid B, C) = P (A \ Mid C)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где вероятность данных обоих и . Поскольку вероятность данного равна вероятности данного и , это равенство выражает то, что ничего не способствует достоверности . В этом случае и называются условно независимыми данными , что символически записывается как: . На языке обозначений причинного равенства две функции и обе зависят от общей переменной описываются как условно независимые с использованием обозначения , которое эквивалентно обозначению .![{\ displaystyle P (A \ Mid B, C)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle C}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle C}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle C}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle C}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (A\perp \!\!\!\perp B\mid C)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle f (y)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle g (y)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle е\left(y\right)~{\overset {\curvearrowleft \curvearrowright }{=}}~g\left(y\right)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle P (е \ середина г, y) = P (е \ середина y)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Концепция условной независимости важна для теорий статистического вывода, основанных на графах, поскольку она устанавливает математическую связь между набором условных утверждений и графоидом .
Условная независимость событий
Пусть , , и будут событиями . и называются условно независимыми тогда и только тогда, когда и:![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle C}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle C}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle P(C)>0}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle P (A \ Mid B, C) = P (A \ Mid C)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Это свойство часто пишется: , что и следует читать .![{\displaystyle (A\perp \!\!\!\perp B\mid C)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle ((A\perp \!\!\!\perp B)\vert C)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Эквивалентно, условная независимость может быть сформулирована как:
![{\displaystyle P(A,B|C)=P(A|C)P(B|C)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где - совместная вероятность и данного . Эта альтернативная формулировка утверждает, что и являются независимыми событиями при данных .![{\ displaystyle P (A, B | C)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle C}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle C}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Это демонстрирует, что эквивалентно .![{\displaystyle (A\perp \!\!\!\perp B\mid C)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (B\perp \!\!\!\perp A\mid C)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Доказательство эквивалентного определения
![{\ displaystyle P (A, B \ Mid C) = P (A \ Mid C) P (B \ Mid C)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- iff (определение условной вероятности )
![{\displaystyle {\frac {P(A,B,C)}{P(C)}}=\left({\frac {P(A,C)}{P(C)}}\right)\left ({\frac {P(B,C)}{P(C)}}\right)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- iff (умножить обе части на )
![{\displaystyle P(A,B,C)={\frac {P(A,C)P(B,C)}{P(C)}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle P (C)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- если (разделим обе части на )
![{\displaystyle {\frac {P(A,B,C)}{P(B,C)}} = {\frac {P(A,C)}{P(C)}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle P (B, C)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- iff (определение условной вероятности)
![{\ displaystyle P (A \ Mid B, C) = P (A \ Mid C)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \therefore }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Примеры
Цветные коробки
Каждая ячейка представляет возможный результат. События и представлены областями, заштрихованными красным , синим и желтым цветом соответственно. Перекрытие между событиями и заштриховано фиолетовым цветом .![{\displaystyle \color {красный}R}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \color {синий}B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \color {золото}Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \color {красный}R}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \color {синий}B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![Это два примера, иллюстрирующие условную независимость.](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Вероятности этих событий представлены заштрихованными областями относительно общей площади. В обоих примерах и условно независимы, поскольку:![{\displaystyle \color {красный}R}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \color {синий}B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \color {золото}Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
[1]
но не является условно независимым, поскольку:![{\displaystyle \left[{\text{not }}{\color {золото}Y}\right]}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \Pr({\color {red}R}, {\color {blue}B} \mid {\text{not }}{\color {gold}Y})\not =\Pr({\color {красный}R}\mid {\text{not }}{\color {gold}Y})\Pr({\color {blue}B}\mid {\text{not }}{\color {gold}Y })}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Близость и задержки
Пусть события A и B определяются как вероятность того, что человек A и человек B вернутся домой к ужину, причем оба человека случайным образом выбираются со всего мира. Можно предположить, что события A и B независимы, т.е. знание того, что A опаздывает, практически не влияет на вероятность опоздания B. Однако если введено третье событие, человек А и человек Б живут в одном районе, то эти два события теперь не считаются условно независимыми. Дорожные условия и погодные явления, которые могут задержать человека А, могут также задержать и человека Б. Учитывая третье событие и знание того, что человек А опоздал, вероятность того, что человек Б опоздает, существенно изменится. [2]
Игра в кости
Условная независимость зависит от характера третьего события. Если вы бросите два кубика, можно предположить, что они ведут себя независимо друг от друга. Просмотр результатов одной кости не скажет вам о результате второй кости. (То есть два кубика независимы.) Однако если результат первого кубика равен 3, а кто-то говорит вам о третьем событии (что сумма двух результатов четная), то эта дополнительная единица информации ограничивает результат. варианты 2-го результата до нечетного числа. Другими словами, два события могут быть независимыми, но НЕ условно независимыми. [2]
Рост и словарный запас
Рост и словарный запас зависят от этого, поскольку очень маленькие люди, как правило, являются детьми, известными своим более простым словарным запасом. Но зная, что двум людям 19 лет (т.е. в зависимости от возраста), нет оснований думать, что словарный запас одного человека больше, если нам говорят, что он выше ростом.
Условная независимость случайных величин
Две дискретные случайные величины и условно независимы с учетом третьей дискретной случайной величины тогда и только тогда, когда они независимы в своем условном распределении вероятностей, заданном . То есть и являются условно независимыми, если и только если при любом значении распределение вероятностей одинаково для всех значений и распределение вероятностей одинаково для всех значений . Формально:![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Z}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Z}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Z}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Z}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где – условная кумулятивная функция распределения и задана .![{\displaystyle F_{X,Y\,\mid \,Z\,=\,z}(x,y)=\Pr(X\leq x,Y\leq y\mid Z=z)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Z}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Два события и условно независимы в данной σ-алгебре , если![{\displaystyle R}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \Сигма }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \Pr(R,B\mid \Sigma) = \Pr(R\mid \Sigma)\Pr(B\mid \Sigma) {\text{as}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где обозначает условное математическое ожидание индикаторной функции события , , учитывая сигма-алгебру . То есть,![{\displaystyle \Pr (A\mid \Sigma)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle А}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \chi _{A}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \Сигма }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \Pr(A\mid \Sigma):=\operatorname {E} [\chi _{A}\mid \Sigma].}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Две случайные величины и условно независимы в данной σ-алгебре, если приведенное выше уравнение справедливо для всех in и in .![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \Сигма }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle R}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle \ сигма (X)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle \ сигма (Y)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Две случайные величины и условно независимы с учетом случайной величины, если они независимы с учетом σ ( W ): σ-алгебра, порожденная . Обычно пишут:![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle W}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle W}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
или![{\displaystyle X\perp Y\mid W}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Это гласило: « независимо от данного »; условие применяется ко всему утверждению: «( независимо от ) данного ».![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle W}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle W}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (X\perp \!\!\!\perp Y)\mid W}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Это обозначение распространяется на « независимо от » .![{\displaystyle X\perp \!\!\!\perp Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Если предполагает счетное множество значений, это эквивалентно условной независимости X и Y для событий вида . Аналогично определяется условная независимость более двух событий или более двух случайных величин.![{\displaystyle W}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle [W=w]}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Следующие два примера показывают, что ни подразумевается, ни не подразумевается .
![{\displaystyle (X\perp \!\!\!\perp Y)\mid W}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Во-первых, предположим, что это 0 с вероятностью 0,5 и 1 в противном случае. При W = 0 возьмем и независимыми, каждый из которых имеет значение 0 с вероятностью 0,99 и значение 1 в противном случае. При , и снова независимы, но на этот раз принимают значение 1 с вероятностью 0,99. Затем . Но и зависимы, поскольку Pr( X = 0) < Pr( X = 0| Y = 0). Это потому, что Pr( X = 0) = 0,5, но если Y = 0, то весьма вероятно, что W = 0 и, следовательно, X = 0, поэтому Pr( X = 0 | Y = 0) > 0,5.![{\displaystyle W}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle W=1}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (X\perp \!\!\!\perp Y)\mid W}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Для второго примера предположим , что каждый принимает значения 0 и 1 с вероятностью 0,5. Пусть будет продукт . Тогда , когда Pr( X = 0) = 2/3, но Pr( X = 0 | Y = 0) = 1/2, это неверно. Это также пример объяснения. См. учебник Кевина Мерфи [3], где и берут значения «умный» и «спортивный».![{\displaystyle X\perp \!\!\!\perp Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle W}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X\cdot Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle W=0}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle (X\perp \!\!\!\perp Y)\mid W}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle Y}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Условная независимость случайных векторов
Два случайных вектора и являются условно независимыми с учетом третьего случайного вектора тогда и только тогда, когда они независимы в своем условном кумулятивном распределении, заданном . Формально:![{\displaystyle \mathbf {X} =(X_{1},\ldots,X_{l})^{\mathrm {T} }}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle \ mathbf {Y} = (Y_ {1}, \ ldots, Y_ {m}) ^ {\ mathrm {T} }}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathbf {Z} =(Z_{1},\ldots,Z_{n})^{\mathrm {T} }}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mathbf {Z} }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где , и и условные кумулятивные распределения определяются следующим образом.![{\displaystyle \mathbf {x} =(x_{1},\ldots,x_{l})^{\mathrm {T} }}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle \ mathbf {y} = (y_ {1}, \ ldots, y_ {m}) ^ {\ mathrm {T} }}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle \ mathbf {z} = (z_ {1}, \ ldots, z_ {n}) ^ {\ mathrm {T} }}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\begin{aligned}F_ {\mathbf {X} ,\mathbf {Y} \,\mid \,\mathbf {Z} \,=\,\mathbf {z} }(\mathbf {x} ,\mathbf {y} )&=\Pr(X_{1}\leq x_{1},\ldots ,X_{l}\leq x_{l},Y_{1}\leq y_{1},\ldots ,Y_{m}\leq y_{m}\mid Z_{1}=z_{1},\ldots ,Z_{n}=z_{n})\\[6pt]F_{\mathbf {X} \, \mid \,\mathbf {Z} \,=\,\mathbf {z} }(\mathbf {x} )&=\Pr(X_{1}\leq x_{1},\ldots ,X_{l} \leq x_{l}\mid Z_{1}=z_{1},\ldots ,Z_{n}=z_{n})\\[6pt]F_{\mathbf {Y} \,\mid \,\ mathbf {Z} \,=\,\mathbf {z} }(\mathbf {y})&=\Pr(Y_{1}\leq y_{1},\ldots ,Y_{m}\leq y_{m }\mid Z_{1}=z_{1},\ldots ,Z_{n}=z_{n})\end{aligned}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Использование в байесовском выводе
Пусть p — доля избирателей, которые проголосуют «за» на предстоящем референдуме . При проведении опроса общественного мнения случайным образом выбираются n избирателей из числа населения. Для i = 1, ..., n пусть X i = 1 или 0 соответствует, соответственно, тому, будет ли i-й выбранный избиратель голосовать «за» или нет.
При частотном подходе к статистическому выводу нельзя приписывать p какое-либо распределение вероятностей (если только вероятности не могут быть каким-то образом интерпретированы как относительная частота появления какого-либо события или как доля некоторой популяции) и можно было бы сказать, что X 1 ,... , X n — независимые случайные величины.
Напротив, в байесовском подходе к статистическому выводу можно было бы приписать p распределение вероятностей независимо от отсутствия какой-либо такой «частотной» интерпретации, и можно было бы истолковать вероятности как степени уверенности в том, что p находится в любом интервале которому присвоена вероятность. В этой модели случайные величины X 1 , ..., X n не являются независимыми, но они являются условно независимыми с учетом значения p . В частности, если наблюдается большое количество X, равное 1, это будет означать высокую условную вероятность , учитывая это наблюдение, что p близко к 1, и, следовательно, высокую условную вероятность , учитывая это наблюдение, что следующий наблюдаемый X будет равен 1.
Правила условной независимости
Набор правил, регулирующих заявления об условной независимости, был получен из базового определения. [4] [5]
Эти правила были названы Перлом и Пазом «аксиомами графоида » [6] , поскольку они соблюдаются в графах, что интерпретируется как следующее: «Все пути от X до A пересекаются множеством B ». [7]![{\displaystyle X\perp \!\!\!\perp A\mid B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Симметрия
![{\displaystyle X\perp \!\!\!\perp Y\quad \Rightarrow \quad Y\perp \!\!\!\perp X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Доказательство:
Обратите внимание, что нам необходимо доказать, если то . Обратите внимание, что если то это можно показать . Поэтому по мере необходимости.![{\displaystyle P(X|Y)=P(X)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle P(Y|X)=P(Y)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle P(X|Y)=P(X)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle P (X, Y) = P (X) P (Y)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle P(Y|X)=P(X,Y)/P(X)=P(X)P(Y)/P(X)=P(Y)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Разложение
![{\displaystyle X\perp \!\!\!\perp A, B\quad \Rightarrow \quad {\text{ и }}{\begin{cases}X\perp \!\!\!\perp A\\ X\perp \!\!\!\perp B\end{cases}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Доказательство
(значение )![{\displaystyle X\perp \!\!\!\perp A,B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
(игнорируйте переменную B , интегрируя ее)
Аналогичное доказательство показывает независимость X и B.
Слабый союз
![{\displaystyle X\perp \!\!\!\perp A, B\quad \Rightarrow \quad {\text{ и }}{\begin{cases}X\perp \!\!\!\perp A\mid B\\X\perp \!\!\!\perp B\mid A\end{дела}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Доказательство
- По предположению, .
![{\displaystyle \Pr(X)=\Pr(X\mid A,B)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Благодаря свойству разложения , .
![{\displaystyle X\perp \!\!\!\perp B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \Pr(X)=\Pr(X\mid B)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- Объединение двух приведенных выше равенств дает , что устанавливает .
![{\ displaystyle \ Pr (X \ Mid B) = \ Pr (X \ Mid A, B)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X\perp \!\!\!\perp A\mid B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Второе условие доказывается аналогично.
Сокращение
![{\displaystyle \left.{\begin{aligned}X\perp \!\!\!\perp A\mid B\\X\perp \!\!\!\perp B\end{aligned}}\right\ }{\text{ и }}\quad \Rightarrow \quad X\perp \!\!\!\perp A,B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Доказательство
Это свойство можно доказать, заметив , каждое равенство которого утверждается и , соответственно.![{\ displaystyle \ Pr (X \ Mid A, B) = \ Pr (X \ Mid B) = \ Pr (X)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X\perp \!\!\!\perp A\mid B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X\perp \!\!\!\perp B}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Пересечение
Для строго положительных распределений вероятностей [5] также справедливо следующее:
![{\displaystyle \left.{\begin{aligned}X\perp \!\!\!\perp Y\mid Z, W\\X\perp \!\!\!\perp W\mid Z, Y\end {aligned}}\right\}{\text{ и }}\quad \Rightarrow \quad X\perp \!\!\!\perp W,Y\mid Z}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Доказательство
По предположению:
![{\displaystyle P(X|Z,W,Y)=P(X|Z,W)\land P(X|Z,W,Y)=P(X|Z,Y)\подразумевает P(X|Z ,Y)=P(X|Z,W)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Используя это равенство вместе с Законом полной вероятности, применимым к :![{\ displaystyle P (X | Z)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\begin{aligned}P(X|Z)&=\sum _{w\in W}P(X|Z,W=w)P(W=w|Z)\\[4pt]& =\sum _{w\in W}P(X|Y,Z)P(W=w|Z)\\[4pt]&=P(X|Z,Y)\sum _{w\in W} P(W=w|Z)\\[4pt]&=P(X|Z,Y)\end{aligned}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Так как и , то следует, что .![{\displaystyle P(X|Z,W,Y)=P(X|Z,Y)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle P(X|Z,Y)=P(X|Z)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle P(X|Z,W,Y)=P(X|Z)\iff X\perp \!\!\!\perp Y,W|Z}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Техническое примечание: поскольку эти выводы справедливы для любого вероятностного пространства, они все равно будут справедливы, если рассматривать подвселенную, обуславливая все другой переменной, скажем , K. Например, это также будет означать, что .![{\displaystyle X\perp \!\!\!\perp Y\Rightarrow Y\perp \!\!\!\perp X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X\perp \!\!\!\perp Y\mid K\Rightarrow Y\perp \!\!\!\perp X\mid K}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Смотрите также
Рекомендации
- ^ Чтобы увидеть, что это так, нужно осознать, что Pr( R ∩ B | Y ) — это вероятность перекрытия R и B (область, заштрихованная фиолетовым цветом) в области Y. Поскольку на рисунке слева есть два квадрата, где R и B перекрываются внутри области Y , а область Y состоит из двенадцати квадратов, Pr( R ∩ B | Y ) =2/12"="1/6. Аналогично, Pr( R | Y ) =4/12"="1/3и Pr( B | Y ) =6/12"="1/2.
- ^ ab Может ли кто-нибудь объяснить условную независимость?
- ^ «Графические модели».
- ^ Дэвид, AP (1979). «Условная независимость в статистической теории». Журнал Королевского статистического общества, серия B. 41 (1): 1–31. JSTOR 2984718. МР 0535541.
- ^ ab Дж. Перл, Причинность: модели, рассуждения и выводы, 2000, Cambridge University Press.
- ^ Перл, Иудея ; Пас, Азария (1986). «Графоиды: графическая логика для рассуждений об отношениях релевантности или когда x расскажет вам больше об y, если вы уже знаете z?». Ин дю Буле, Бенедикт; Хогг, Дэвид С.; Стилс, Люк (ред.). Достижения в области искусственного интеллекта II, Седьмая Европейская конференция по искусственному интеллекту, ECAI 1986, Брайтон, Великобритания, 20–25 июля 1986 г., Материалы (PDF) . Северная Голландия. стр. 357–363.
- ^ Перл, Иудея (1988). Вероятностные рассуждения в интеллектуальных системах: сети правдоподобного вывода . Морган Кауфманн. ISBN 9780934613736.
Внешние ссылки
СМИ, связанные с условной независимостью, на Викискладе?