贝叶斯网络20题目

贝叶斯网络五道题1、事件与贝叶斯的对应关系2、朴素贝叶斯网络的适应性3、D分离的作用是什么？为什么要学习D分离4、在用贝叶斯网进行推断是已知数据来自于哪？用于计算的数据来自于哪？5、高阶联合概率计算低阶联合概率是什么意思？贝叶斯网络20题1、已知事件A与事件B发生与否伴随出现，根据贝叶斯公式可得到P(B|A)=P(A|B)*M/P(A),则M=().A、P(AB)B、P(B̅)C、P（A̅）D、P(B)2、一个人参加宴会为真的概率为0.2，如果他参加宴会后醉酒为真的概率为0.7，那么他醉酒为假的概率是多少（）A、0.14B、0.06C、0.86D、0.563、对于变量有二个以上的情况，贝式定理亦成立。P(A|B,C)=P(B|A)*P(A)*M/(P(B)*P(C|B)).则M=().A、P(C|A,B)B、P(A|C)C、P(B|C)D、P(A,B|C)4、（联合概率）表达式p(V1=v1,V2=v2,…,VK=vk)称为一个联合概率，即变量V1,V2,…,VK的值分别是v1,v2,…,vk时的概率。联合概率的概率函数必须满足的条件是（）A、0≤p(V1,V2,…,VK)≤1B、∑P(V1,V2,…,VK)=1C、1≤P(V1,V2,…,VK)D、∑P(V1,V2,…,VK)=05、（链规则）条件概率链规则的一般形式是P(V1,V2,…,VK)=（）A、∏p(Vi|Vi−1…V1)ki=1B、∏p(Vi|Vi−1V1)ki=1C、∑p(Vi)ki=1D、∑p(Vi)6、对于贝叶斯网中的节点6、vi和vj之间的每条无向路径，在路径上的某个节点vb，节点vi和vj条件独立于给定的节点集w(即I（vi，vj|w），则节点vb满足的条件是（）A、vb在w中，且每条路径都从w开始B、vb在w中，路径上的一条弧一条以vb为头，一条以vb为尾C、vb和它的任何后继都不在w中，路径上的两条弧都以vb为头D、vb和它的任何后继都不在w中，路径上的一条弧一条以vb为头，一条以vb为尾7、给定贝叶斯公式P(cj|x)=（P(x|cj)P(cj)）/P(x)，公式中P(cj|x)为（）A、先验概率B后验概率C全概率D联合概率8、关于朴素贝叶斯分类器说法正确的是（）A、朴素分类器的假设是当给定类变量时，属性变量之间条件独立B、朴素分类器具有较高的分类准确性C、朴素分类器具有星形结构D、由于朴素分类器具有星形结构，因此能够有效利用变量之间的依赖关系阅读题目回答9-13题通过对某地区的部分人群进行调查，获得了他们对于的age、income、是否为student、Credit_rating以及是否购买某品牌的电脑的信息进行了记录。训练样例如表1，通过训练样例的到表2，表3为根据表2的统计数据，得到的在分类为YES和NO的条件下各个属性值取得的概率以及YES和NO在所有样例中取值的概率。表1RIDageIncomeStudentCredit_ratingClass:buys_computer1Middle_agedHighNoFairNo2Middle_agedHighNoExcellentNo3SeniorHighNoFairYes4SeniorMediumNoFairYes5SeniorMediumYesFairYes6SeniorLowYesExcellentNo7YouthLowYesExcellentYes8Middle_agedMediumNoFairNo9Middle_agedLowYesFairYes10SeniorMediumYesFairYes11Middle_agedMediumYesExcellentYes12YouthMediumNoExcellentYes13YouthHighYesFairYes14SeniorMediumYesExcellentNo9、表2是由表1的数据得到的，表2中的M和N的值应该分别为（）A、14和5B5和3C、9和0D9和5表2AgeincomestudentCredit_ratingBuy_computerYouthMiddle_agedSeniorHighMediumLowYESNOFairExcellent3242526363YESMN322212323NO510、表3是由表2得到的，表3中M和N的值分别为（）A、9/14和0B、1和1/5C、9/14和1/5D、0和1表3AgeincomestudentCredit_ratingBuy_computerYouthMiddle_agedSeniorHighMediumLowYESNOFairExcellent1/32/94/92/95/92/92/31/32/31/3YESMN3/52/52/52/51/52/53/52/53/5NO5/1411、测试样例x=(age=youth,income=medium,student=no,credit_rating=excellent)，则P(YES|x)=()A、0.0132P(age=youth,income=medium,student=no,crediting_rating=excellent)B、0.0132C、0.067D、0.56812、测试样例x=(age=youth,income=medium,student=no,credit_rating=excellent)，则P(NO|x)=()A、0B、0.23C、0.68D、0.26813、试判别样例x=(age=youth,income=medium,student=no,credit_rating=excellent)属于哪类（）A、YESB、NOC、既不属于YES，也不属于NOD、属于YES也属于NO14、关于贝叶斯网络的描述正确的是（）A、它时一种帮助人们将概率统计应用于复杂领域、进行不确定性推理和数据分析的工具。B、它是用来表示变量间的连接概率的图形模式。C、它是有向无环图D、在他的回路中，变量之间相互依赖15贝叶斯网络主要应用的领域有（）A、模式识别B、辅助智能决策C、医疗诊断D、数据融合阅读例子回答16-20题，教授家的监测系统的报警例子Pearl教授家住洛杉矶，那里地震和盗窃时有发生。教授的家里装有警铃，地震和盗窃都有可能触发警铃。听到警铃后，两个邻居Mary和John可能会打电话给他。一天Pearl教授接到Mary的电话，说听到他家的警铃响。Pearl教授想知道他家遭盗窃的可能性。已知：盗窃发生的概率为0.001；地震发生的概率为0.002；在盗窃发生，地震发生时警铃响的概率为0.95；盗窃发生，地震未发生时警铃响的概率为0.94；盗窃未发生，地震发生时警铃响的概率为0.29；盗窃未发生且地震未发生时警铃响的概率为0.001。图116、根据题意可得到贝叶斯网络如图1，Mary和John打电话分别为事件M和事件J,警铃响的事件为A，地震发生的事件为E，盗窃发生的事件为B,补全贝叶斯网络未知节点P和Q分别为（）A、J合AB、J和EC、B和AD、A和J图217、根据题意，可得到的Venn图.如图2，请问X处表示为（）A、P(A,B)B、P(A̅,B)C、P(A,B̅)D、P(A̅,B̅)18、（因果推理，自顶向下）求P(A|B)=()(保留两位小数)A、0.98B、0.94C、0.45D、0.5619、（诊断推理，自底向上）求P（B|A）=（）A、0.373B、0.101C、0.0045D、0.87920、（辩解，嵌入在因果推理与诊断推理之间）求P(B|AE)=（）A、0.60B、0.29C、0.0033D、0.39