represents a random variable and is

represents a random variable and is associated with a probability function,

and can use prior probability to determine posterior probability,


which makes it simple to integrate new data into the Bayesian network (Heckerman & Wellman, 1995; Jensen, 1996; Pearl, 1988). The basic formula of a Bayesian network is the following:

ผลลัพธ์ (ไทย) 1:

แทนตัวแปรสุ่ม และฟังก์ชันความน่าเป็น เกี่ยวกับ และสามารถใช้ความน่าเป็นก่อนเพื่อกำหนดความน่าเป็นหลัง ซึ่งทำให้ง่ายต่อการรวมข้อมูลใหม่เข้าไปในเครือข่ายทฤษฎี (Heckerman & Wellman, 1995 เจนเซน 1996 เพิร์ล 1988) สูตรพื้นฐานของเครือข่ายทฤษฎีคือ ต่อไปนี้:

ผลลัพธ์ (ไทย) 2:

หมายถึงตัวแปรสุ่มและมีความเกี่ยวข้องกับความน่าจะเป็นฟังก์ชั่น, และสามารถใช้ความน่าจะเป็นก่อนที่จะมีการตรวจสอบน่าจะเป็นหลัง, ซึ่งทำให้มันง่ายที่จะบูรณาการข้อมูลใหม่ในเครือข่ายแบบเบย์ (Heckerman & Wellman 1995; เซ่น 1996; เพิร์ล, 1988) สูตรพื้นฐานของเครือข่ายแบบเบย์เป็นดังต่อไปนี้:

ผลลัพธ์ (ไทย) 3:

เป็นตัวแปรสุ่มและเกี่ยวข้องกับความน่าจะเป็นฟังก์ชัน

และสามารถใช้เพื่อตรวจสอบความน่าจะเป็นความน่าจะเป็นก่อนหลัง ,


ซึ่งทำให้มันง่ายที่จะบูรณาการข้อมูลใหม่เป็นแบบเครือข่าย ( heckerman & WELLMAN , 1995 ; Jensen , 1996 ; ไข่มุก , 1988 ) สูตรพื้นฐานของเครือข่ายคชกรรมคือต่อไปนี้ :