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=().
） D 、P(B) ) C、P （A A 、P(AB) B 、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 、0.14 B、0.06 C、0.86 D、0.56
3、 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(V 1=v 1, V2=v 2, …, VK =v k ) 称为一个联合概率，即变量V 1, V 2 ,…, V K 的值分别是v 1, v 2, …, v k 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, V 2 ,…, V K ) ≤1 B 、 P(V1, V 2 ,…, V K ) =1 C 、1≤P(V1, V 2 ,…, V K ) D 、 P(V1, V 2 ,…, V K ) =0 5、（链规则）条件概率链规则的一般形式是P(V1, V 2 ,…, V K )=（）
k k A 、 k i=1p(Vi |Vi −1…V 1) B、 i=1p(Vi |Vi −1V 1) C、 i=1p(Vi ) D、 p(Vi )
6、对于贝叶斯网中的节点6、v i 和v j 之间的每条无向路径，在路径上的某个节点v b ，节点v i 和v j 条件独立于给定的节点集w(即I （v i ，v j |w），则节点v b 满足的条件是（）
A 、v b 在w 中，且每条路径都从w 开始
B 、v b 在w 中，路径上的一条弧一条以v b 为头，一条以v b 为尾 C 、v b 和它的任何后继都不在w 中，路径上的两条弧都以v b 为头
D 、v b 和它的任何后继都不在w 中，路径上的一条弧一条以v b 为头，一条以v b 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。
9、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5 B 5和3 C、9和0 D 9和5
10、表3是由表2得到的，表3中M 和N 的值分别为（）
A 、9/14和0 B、1和1/5 C、9/14和1/5 D、0和1
表3
11、测试样例
x=(age=youth,income=medium,student=no,credit_rating=excellent)，则P(YES|x)=()
A 、P(age=youth,income =medium
0.0132
,student =no,crediting _rating=excellent)
B 、0.0132 C、0.067 D、0.568
12、测试样例
x=(age=youth,income=medium,student=no,credit_rating=excellent)，则P(NO|x)=()
A 、0 B、0.23 C、0.68 D、0.268
13、试判别样例x=(age=youth,income=medium,student=no, credit_rating=excellent)属于哪类（）
A 、YES B、NO C、既不属于YES ，也不属于NO D、属于YES 也属于NO
14、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1
16、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A B 、J 和E C 、B 和A D 、A 和J
图2
17、根据题意，可得到的Venn 图. 如图2，请问X 处表示为（）
,B) C、P(A, B , B ) D、P(A ) A 、P(A,B) B、P(A
18、（因果推理，自顶向下）求P(A|B)=()(保留两位小数)
A 、0.98 B、0.94 C、0.45 D、0.56 19、（诊断推理，自底向上）求P （B|A）=（）
A 、0.373 B、0.101 C、0.0045 D、0.879 20、（辩解，嵌入在因果推理与诊断推理之间）求P(B|AE)=（）
A 、0.60 B、0.29 C、0.0033 D、
0.39
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=().
） D 、P(B) ) C、P （A A 、P(AB) B 、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 、0.14 B、0.06 C、0.86 D、0.56
3、 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(V 1=v 1, V2=v 2, …, VK =v k ) 称为一个联合概率，即变量V 1, V 2 ,…, V K 的值分别是v 1, v 2, …, v k 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, V 2 ,…, V K ) ≤1 B 、 P(V1, V 2 ,…, V K ) =1 C 、1≤P(V1, V 2 ,…, V K ) D 、 P(V1, V 2 ,…, V K ) =0 5、（链规则）条件概率链规则的一般形式是P(V1, V 2 ,…, V K )=（）
k k A 、 k i=1p(Vi |Vi −1…V 1) B、 i=1p(Vi |Vi −1V 1) C、 i=1p(Vi ) D、 p(Vi )
6、对于贝叶斯网中的节点6、v i 和v j 之间的每条无向路径，在路径上的某个节点v b ，节点v i 和v j 条件独立于给定的节点集w(即I （v i ，v j |w），则节点v b 满足的条件是（）
A 、v b 在w 中，且每条路径都从w 开始
B 、v b 在w 中，路径上的一条弧一条以v b 为头，一条以v b 为尾 C 、v b 和它的任何后继都不在w 中，路径上的两条弧都以v b 为头
D 、v b 和它的任何后继都不在w 中，路径上的一条弧一条以v b 为头，一条以v b 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。
9、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5 B 5和3 C、9和0 D 9和5
10、表3是由表2得到的，表3中M 和N 的值分别为（）
A 、9/14和0 B、1和1/5 C、9/14和1/5 D、0和1
表3
11、测试样例
x=(age=youth,income=medium,student=no,credit_rating=excellent)，则P(YES|x)=()
A 、P(age=youth,income =medium
0.0132
,student =no,crediting _rating=excellent)
B 、0.0132 C、0.067 D、0.568
12、测试样例
x=(age=youth,income=medium,student=no,credit_rating=excellent)，则P(NO|x)=()
A 、0 B、0.23 C、0.68 D、0.268
13、试判别样例x=(age=youth,income=medium,student=no, credit_rating=excellent)属于哪类（）
A 、YES B、NO C、既不属于YES ，也不属于NO D、属于YES 也属于NO
14、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1
16、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A B 、J 和E C 、B 和A D 、A 和J
图2
17、根据题意，可得到的Venn 图. 如图2，请问X 处表示为（）
,B) C、P(A, B , B ) D、P(A ) A 、P(A,B) B、P(A
18、（因果推理，自顶向下）求P(A|B)=()(保留两位小数)
A 、0.98 B、0.94 C、0.45 D、0.56 19、（诊断推理，自底向上）求P （B|A）=（）
A 、0.373 B、0.101 C、0.0045 D、0.879 20、（辩解，嵌入在因果推理与诊断推理之间）求P(B|AE)=（）
A 、0.60 B、0.29 C、0.0033 D、
0.39