我的问题与多变量联合分布有关。我有一个源变量“ x”和多个接收者“ y1”“ y2”“ y3”。我有每个关节分布p（x，y1），p（x，y2），p（x，y3）。我的问题是如何从3的组合中得到p（x）。我认为的问题是
如果我从p（x，y1）计算出p（x）。我已经认为这应该恰好是从其他联合分布获得的p（x）。但是在实际情况下，我们必须估计这些分布，这些分布将对p（x）产生不同的边际。
我还没有代码，但是如果有人可以指出方向，那真的很有帮助
我在论文中使用信念网络对传感器进行建模。请参阅：http://riso.sourceforge.net我的论文在页面上略有下降。在第6.5节中描述了用于测量同一物体的传感器模型。
简而言之，当您对同一事物y1, y2, y3具有多个度量x时，可以将它们全部的联合概率建模为p(x, y1, y2, y3) = p(y1 | x) p(y2 | x) p(y3 | x) p(x)，其中每个p(y | x)是度量模型，即，它表示测量是被测物的函数的方式。那么目标是计算p(x | y1, y2, y3)。事实证明，它与p(y1 | x) p(y2 | x) p(y3 | x) p(x)成正比，而比例常数是使表达式在x上积分为1所需要的。也就是说，要组合来自多个传感器的信息，请在给定此模型的情况下将它们相乘。
[如果您在stats.stackexchange.com上提出问题，那么我可以说更多。希望这会有所帮助。