この記事では条件付き独立と有向分離を使い、作成したモデルが背景知識と齟齬がないかチェックする方法を紹介します。以下の本の4章と5.3.1項を参考にしています。 Modeling and Reasoning with Bayesian Networks 僕が持っているのは上の一版なのですが、新しい二版が出ているみたいです。 Modeling and Reasoning with Bayesian Networks 作者:Darwiche, Adnan発売日: 2014/08/07メディア: ペーパーバック 以降では単にグラフと言えばDAG(閉路を持たない有向グラフ)を指すことにします。 条件付き独立とは 以降では確率変数の集合を太文字でのように太文字で表します。確率変数が1つの場合はのように表します。 条件付き独立とは「の値が与えられると、はと独立になる」ことを指します。で表現します。「が与
![条件付き独立と有向分離を用いた統計モデルの妥当性チェック - StatModeling Memorandum](https://cdn-ak-scissors.b.st-hatena.com/image/square/56ff915184f32319c2dc0b649b83558d1995dd10/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2FS%2FStatModeling%2F20201106%2F20201106182237.png)