Probability 为什么v型结构对概率影响流没有贡献？

我最近看了一个视频，它说在关系x->W中，如果没有观察到W，那么x和y是独立的

其中一个v型结构的CPD（完全确定）如下所示

将X和Y作为二进制变量独立绘制，然后W是和。如果你只知道X=1，那么Y可以是0，W可以是1，或者Y=1，W=2。知道X不能让你区分这两种可能性

一般来说，我认为使用确定性函数比使用概率函数更容易对v型结构进行推理。想一想当v型结构是ADD、XOR时会发生什么，通常你可以得到关于一般声明的具体见解。

让我们让W表示“草坪湿了”，X表示“最近下雨了”，Y表示“最近自动喷水装置开着”

显然，X影响W：如果最近下雨，草坪很可能是湿的。 很明显，Y影响W：如果洒水器最近开着，草坪很可能是湿的。 很明显，知道W，我们可以对X和Y进行推断

但是，X直接影响Y吗？ 换言之，最近下雨（或不下雨）的事实是否会影响自动喷水装置最近是否开启？ 不。如果我们不知道草坪的状况，因为我们没有向外看，那么最近下雨的可能性与最近洒水活动的可能性无关

---

但是，一旦我们向外看，确定了草坪的状况，我们就可以在降雨和洒水活动之间做出推断

我在这本在线书的第1.3节和第1.4节中找到了一个具体的例子，帮助我理解了这一点：

它将介绍上面列出的所有案例，并针对每个案例解释第1.4节中描述的运行示例。请看这里：

---

这个问题似乎离题了，因为它是关于贝叶斯网络的。。你是我的礼物