使用pyMC3的贝叶斯网络中给定数据的参数的计算概率

Question

我是pyMC3的新手，我想知道是否可以使用它来解决以下问题：我有一个贝叶斯网络（我的BN的图像：Bayesian network of my problem），并且我不知道参数关于A，B，C，D和S的分布，我只知道分布的类型（既有离散分布又有连续分布）。我有A，B，C和D的数据（因此S是一个隐藏变量，它是离散的），我的目标是在给定观测数据的情况下确定S的概率。我知道一种方法是使用期望最大化算法，但是我想知道pyMC3是否可以解决问题。谢谢。最好的祝福，丹妮尔。

Answer 1

如果图像中提到，S都受到它们的同等影响，则可以编写

S = A + B

如果我们知道S是一个二进制数，那么我们可以写，

S =  1/ (1 + exp(A+ B))

然后，您可以根据它们的分布定义A，B，C和D。pyMC3将运行MCMC模拟以估计分布的参数。使用这些参数的平均值，您可以估计A，B，C和D，它们加起来后将得出S。