基于贝叶斯网络的人因可靠性评价
基于贝叶斯网络可靠性分析方法的研究与应用
寇等 为 ［３］ 了 提 高 风 电 齿 轮 箱 可 靠 性， 利 用 ＢＮ 分 析 方 法，对风 电 齿 轮 箱 齿 轮 传 动 系 统 可 靠 性 进 行 了 分 析；郭 等 为 ［４］ 了较为准确地预测岩溶隧道的涌水灾害，运 用 ＢＮ 对 岩溶隧道涌 水 风 险 进 行 了 评 估； 王 等 针 ［５］ 对 装 备 维 修 质 量 评价忽视维修过程影响因素的问题，运用 ＢＮ 构建了复杂装 备维修质量的评价模型；陈等 利 ［６］ 用 ＢＮ 建立了民机 起 落 架 系统的诊断模型及其故障诊断方法；刘等 采 ［７］ 用 ＢＮ 和 层 次 分析法相结合的方式对公路隧道火灾安全进行业产品之间的竞争 也愈演愈烈，制造产品的设备系统也变得更加复杂。系统 的复杂性既包含了子系统与部件间相互藕合关系，也包含 了系统的工作环境变化等外部的影响因素。生产系统的可 靠性直接或间接地影响产品的质量。通过对生产系统进行 有效的可靠性分析，并为系统的设计和维护提供可靠依据， 这对于提高产品质量，提升产品竞争力意义重大 。 ［１］
基于贝叶斯网络可靠性分析方法的研究与应用
翟 胜，田 硕，陈倩倩
（大连科技学院 电气工程学院，辽宁 大连 １１６０５２）
摘要：针对传统可靠性分析方法在评估多态复杂系统时的局限性，提出了一种基于贝叶斯网络的多态系统可靠性分析方法； 该方法利用贝叶斯网络的多态变量节点来描述故障模式的多态性，用条件概率表及有向边来表达节点之间的不确定因果关系；通 过对先验概率和后验概率的双向推理计算，得到节点与节点之间的相互影响关系，从而找到系统的薄弱环节，为提高系统可靠性 提供依据；该方法在电池生产线系统的可靠性分析中得到了验证，有效地提高了电池生产线系统的可靠性。
一种基于贝叶斯网络的配电网可靠性评估方法_卢锦玲
如果A是一个变量，有a1,…,an个状态，则由全概
率公式，有P B = P B A=ai P A=ai ，从而计算出后
i
验概率P A B 。贝叶斯网络不但能进行前向推理，
由原因导出结果，更重要的是进行后向推理。贝叶
斯网络的后向推理过程就是从先验概率到后验概率 的推理过程，也就是由结果推出原因的过程。利用
后验概率往往可以得出一些非常有用的结论，这对
于进行系统分析是很有帮助的。图 1 表示一个简单
P
E=1
A=1
=P
A=1 E=1 P P A=1
E=1
=0.125。
由此可以得出，由火灾发出警报的概率比由地震发
出警报的概率要大得多。
2 基于贝叶斯网络的配电网可靠性评估模型
配电网的可靠性分析方法主要是故障模式后果 分析法，其次是状态空间法和故障树分析法。本文 在故障树分析法的基础上，提出了一种基于贝叶斯 网络的配电网可靠性评估算法, 并计算相应的可靠 性指标。 2.1 故障树的贝叶斯网络模型
SAIFI=
Ni i Ni
，
用户平均停电时间为
SAIDI=
Ui Ni ， Ni
用户平均每次停电持续时间为
CAIDI=
UiNi ， Ni i
式中 i表示负荷点的平均停运率，Ui表示负荷点的 年平均停运时间，Ni表示负荷点的用户数。
A=0.07×2+0.07×2+0.07×2+0.18×1=0.60 ； 年平均停运时间为 UA =0.07× 2×3+0.07× 2×0.5+0.07×2×0.5+
A fault tree method based on Bayesian network for Reliability Evaluation of Distribution System is presented. It can compute the effect of each component on system reliability effectively, analyze the feeble points of system and simplify the calculating process. The reliability indices of Distribution Systems can be computed conveniently. It is proved to be feasible and valid through examples. Key words: reliability of distribution system; fault tree; Bayesian network; double-directional reasoning
基于贝叶斯网络的电子产品可靠度分析
征 ，其产品的可靠性参量是 以系统设计采用可靠度 、失 效率 和平均无故 障工作时间加以衡 量。对 于组成 电路系
统 的元 器件则可 以通过大量的试 验求得失效率 ；并采用
修 ，实现系统设计 的最优化 ，目前 已广泛应用于宇航、
核能 、电子、化工 、机械等各个领域 。 ２２ ．故障模 式、影响及危害度分析Ｆ Ａ／ ＭＥ Ａ ＭＥ Ｆ Ｃ
统内可能发 生的部件失效 、环境变化、人为失误等 因素
（ 各种 中间事 件 、底 事 件等 ）与顶事 件之 间的逻 辑关
信息系统工程 Ｉ ０ １ ０ ０ １ ３ １． ． ３ ２ １２
＜＜ Ａ Ａ Ｅ ＩＲＳＡ Ｃ 学 研 Ｃ ＤＭＣ ＥＥＲＨ 术 究
（ 或函数 ）。
不失效率 即可靠度衡量 电路及系统 的可靠性 ；最后通过 可靠度 的度量确定 电子产品的可靠性指标一平均无故障
工作时 间。
故障模式 、影 响及危 害度分 析Ｆ Ａ Ｆ Ｃ 在 电 ＭＥ ／ＭＥ Ａ
子产 品可靠 性分析 中是一 种非 常常用且重要 的一种分 析方 法 ，主要用 于 自下而上 分析故 障的 因果关 系 ，它
３１贝叶斯 网络的双 向推理 ．
四 、结束语
本文针对 传统 可靠性分 析方法存 在 的不足 ，讨 论 了贝叶斯 网络在可靠性分析 中的应 用 。 给出了桶结果 ，
能够为设计 和维修提供依据 ，使产品的可靠性和维修性 均得到提高 ，贝叶斯网络作为新的有效 的可靠性分析工
Ａ Ａ Ｅ ＣＲ Ｓ Ａ Ｃ 学术研究 Ｃ Ｄ ＭＩ Ｅ Ｅ Ｒ Ｈ
基于贝叶斯网络的电子产品可靠度分析
◆ 陈慧军
摘要 ：本 文侧重分析 了传统 可靠性 分析方 法的不足 ，简述 了贝叶斯 网络 的产 生背景 以及其在 分析概 率推理 问题的 突 出优 点。分析 了贝叶斯 网络 的 因果推理与诊 断推 理之后 ，简要 给 出了贝叶斯 网络应 用于电子产 品可靠度分析 问题 的发 法，及桶消元法的步骤。 关键词 ：贝叶斯网络 ；可靠性 ；桶 消元 法
贝叶斯网络在软件可信性评估指标体系中的应用
引言
随着计算机和 Internet应用的不断发展 ,软件已经成为人们 生活中不可分割的一部分 。人们在对软件需求量增大的同时 ,越 来越关注软件的可信性 。人们对软件的正确性 、可靠性 、防危性 和保密安全性等可信性质给予了十分的关注 。如何在软件的开 发和运行中保证软件具有高可信性质 ,特别是如何有效的度量所 开发软件的可信性也成为软件理论的重要研究方向 。
所谓可信是指计算机系统所提供的服务是可以论证其是可 信赖的 。可信性 (Dependability)是一个系统级的概念 ,特指计算 机系统提供的服务经过证明是值得信赖的 。可信性这一概念 ,还 没有达成一个被广泛接受 、并被良好形式化的定义 。目前 ,它通 常由特征属性 、降低或损害其的因素以及提高它的方式方法来共 同定义 [1 ] 。
一部分 ,是节点和节点之间的条件概率表 ( CPT) ,也就是一系列
的概率值 。它是模型中的定量部分 ,用于定量的描述节点对其父
节点的概率依赖程度 ,若没有父节点 ,则定义一个边缘概率分布 。
定义 1
设 V = {X1 , X2 , ……, Xn }是值域 U 上 n个随机变量 ,则值域 U上的贝叶斯网络 BN (Bs , Bp ) ,其中 :
图 1 可信性的特征 、实现方法及危害 我们可以参照软件质量度量模型 GB / T16260 - 2006[4 ]中对 软件质量特性的分析 ,将软件可信性特性进行分解 。将软件可信 性特性用子特性来表示 ,例如可靠性特性可分解成成熟性 、容错 性 、易恢复性 、可靠性依从性这些子特性来表示 。每个子特性包 含一些相关的指标 ,指标又可以用相关数据项来计算 。如图 2所 示 。这样就形成软件可信性评价指标体系 。
基于贝叶斯网络的飞行安全人因可靠性评估模型_刘莉
第10卷第3期空军工程大学学报(自然科学版)V o.l10N o.3 2009年6月J OURNAL OF AI R FORCE ENG I NEER I NG UN I VERSITY(NATURAL SC I ENCE ED I TI ON)Jun.2009基于贝叶斯网络的飞行安全人因可靠性评估模型刘莉,徐浩军,井凤玲,孙作(空军工程大学工程学院,陕西西安710038)摘要:基于广义人-机-环境复杂系统,对飞行人员可靠性、空中交通管制人员可靠性和航空器维修人员可靠性进行了分析,综合考虑常用可靠性评估方法的优缺点,采用贝叶斯网络建立了飞行安全人因可靠性的评估模型。
该模型综合运用诊断推理和支持推理形式,分析直观,计算简便,适用于广义的人-机-环境复杂系统建模;同时该模型可以根据后验概率来调整先验概率,从而有效地提高了评估的精度。
关键词:人-机-环境;飞行安全;人因可靠性;贝叶斯网络DO I:1013969/j1issn11009-3516120091031002中图分类号:V328文献标识码:A文章编号:1009-3516(2009)03-0005-05随着航空技术的迅速发展,飞机的可靠性和安全性不断提高,导致飞行事故的人为因素与机械因素比例有了明显的变化。
机械因素引起的飞行事故比例逐渐下降,而人为因素导致的飞行事故比例逐渐升高。
在飞机使用的l-2年里,60%-75%的飞行事故由机械因素造成,12-14年后只有15%-30%的飞行事故是由机械因素造成的,70%-85%的飞行事故出于各类人员的操作错误[1-3]。
目前可用于研究航空领域中人员可靠性的数学模型及方法有广义人的可靠度函数、鲁克模型、人认知可靠性(HCR)计算模型、应力-强度模型以及马尔可夫过程方法等[4],但是这些方法存在着以下不足之处[5]:¹人的可靠性数据缺乏;º数据的量化过多依赖专家判断,无法对数据的可信性进行验证,使得预测的正确性和准确性受主观因素的影响;»方法的正确性和准确性难以验证;¼对人的认知行为和心理处于探索和研究阶段,对组织管理的方法和态度、文化差异、社会背景等在处理方法上缺乏一致性和可比性。
基于贝叶斯模型的个人信用评估研究
基于贝叶斯模型的个人信用评估研究近年来，伴随着经济社会的快速发展和信息化的高度普及，人们生活和工作中的各种行为活动越来越频繁和复杂，每个人的个人信用也变得越来越重要。
因此，对个人信用进行有效评估和管理，已成为银行、信贷公司和各类金融机构以及其他行业和领域所面临的重要问题。
要进行个人信用评估，就需要依据一定的数据和信息，来对个人信用状况进行综合评估和分析，从而进行信用分类和相应的信贷处理。
传统的个人信用评估方法主要是通过人工审核和数据逐一核对的方式来实现的，这种方法因为繁琐、低效、易出错，往往会造成不必要的损失和浪费，同时，也会给客户带来不便和不满。
随着机器学习和人工智能技术的快速发展和应用，基于贝叶斯模型的个人信用评估方法逐渐得到了广泛的应用和发展。
贝叶斯模型是概率模型的一种，它基于统计的思想，通过对不确定性的量的描述和计算，来实现科学的决策和判断。
在个人信用评估中，贝叶斯模型可以根据个人的基本信息、信用记录、财务状况、社交网络等多种数据来源，来对个人信用进行精准的评估和预测。
贝叶斯模型的个人信用评估具有很多优点。
首先，它基于大数据和机器学习技术，可以自动化实现个人信用评估，大大提高评估的效率和准确性。
其次，它可以对信用评估的结果和决策进行科学的概率解释和可视化，使评估的结果更加客观和可信。
再次，贝叶斯模型的应用还可以不断地进行优化和改进，使评估的结果更加精准和符合客户的实际需求。
最后，基于贝叶斯模型的个人信用评估方法具有较强的科技含量和市场竞争力，可以为金融机构和其他服务机构提供全面、高效和优质的客户服务。
贝叶斯模型的个人信用评估方法，需要通过大数据和机器学习技术，对不同的数据来源和信息进行筛选和整合，形成相应的数据模型和评估模型。
这个过程主要由以下几个步骤组成。
第一步，数据收集和处理。
在这个步骤中，需要确定需要收集的数据来源和数据类型，包括申请人的基本信息（如姓名、年龄、性别、教育程度等）、社交网络信息、信用记录、财务状况等。
贝叶斯可靠性评估
1.2 先验分布与后验分布
12 2 1 ˆ 1 2 ˆ , (1 1 ). 2 2 2 1 2 1
2、先验分位数方法 假如根据先验信息可以确定贝塔分布的两个分位数，则可
利用这两个分位数来确定 , 。譬如用上、下四分位数
U 与L 来确定 , ， U 与L 分别满足如下两个方程
n 1 x m( x) h( x, )d (1 ) n x d 0 x 0 n ( x 1)(n x 1) 1 , x 0,1, (n 2) n 1 x
1
, n.
最后得到 的后验分布
(2)
1.2 先验分布与后验分布
这就是贝叶斯公式的密度函数形式。在样本 x 给定下，
的条件分布被称为 的后验分布。
表示。这时后验分布也是离散的， p( x | i ) (i ) h(i | x) , i 1, 2, (3) p( x | j ) ( j )
j
6. 当 是离散随机变量时，先验分布可用先验分布列
h( x, ) (n 2) h( | x) ( x1)1 (1 )( n x1)1 ,0 1. m( x) ( x 1)(n x 1) 该分布恰好是参数为 x 1 和 n x 1 的贝塔分布，记
为 ( x 1, n x 1) 。
的先验分布取
1, 0 1， ( ) 0, 其他场合。
于是样本 X 与参数 的联合分布为
n x h( x, ) (1 )n x , x 0,1, x
再计算 X 的边际分布
, n,0 1.
1.2 先验分布与后验分布
基于贝叶斯网络法的配电网可靠性评估
Ａ Ｂ （Ａ Ｐ ＩＢ Ｃ，
ＦＦ ｄ ｌ Ｆ Ｔ ｄ ２ Ｔ Ｆ ｄ ３
Ｃ
量 给出系统 中各元件的重要度 ，因此在可靠性 评估 中得 到了广
泛 的 应 用。
一
Ｔ Ｔ ｄ ４
、
贝叶斯 网络法概述
贝叶斯 网 络 一 是 一 种 对 概 率 关 系 的 有 向 图解 描 述 ，它 提 ’ 供 了一种 将 知 识 直 觉 地 图 解 可 视 化 的 方 法 。 一 个 贝叶斯 网 络 是
作者简介 ： 王铮 （９ ３ ） 男，河北唐山人 ，唐山丰南电力局生产技术部，助理工程师，主要研究方向 ：配电线路。（ １８ 一 ， 河北 唐山
０ ５０ ）程德 才 （９ １ ） ６ ５０ １８一 ，男，河北衡 水人 ， 唐山供电公 司城北变电运行 部， 助理工程师， 工学硕士， 主要研究方向： 电力系统及其自 动化
一
（） “因 累 ” 节 点 ｃ
图 １贝叶斯网络的主要节点模 型
个有向无环 图 （ Ａ ，它的节点用随机变量标识 ，弧代表影 Ｄ Ｇ） 响概率 ，用条件概率 标识。
配 电 系统 的贝叶斯 网络 模 型 主 要 包 括 “ ”节 模 型 、“ ” 与 或
ＮＡ／（ ＋ ）和 １ ＮＡ ＮＢ 。 对 于 图 １ 示 简 单 的贝叶斯 网络 ， 用 Ｂ ｃ ｅ ｌ ｎ ｔ ｎ 所 应 ｕ ｋ ｔＥ ｉ ａｉ ｍｉ ｏ
法应 用于配 电网的 可靠性评 估 ， 能够方便 灵活 地 计算 配 电网可 靠性指 标 ， 且逻 辑 关 系清晰 。通 过 对 配电网典型接 线形式 的三 种不 同运 行
方式 的评 估结 果的 比较 ，指 出了不 同的 改进 措 施 对提 高配电网可靠性 的意 义。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于贝叶斯网络的人因可靠性评价*孙 旋1,2 牛秦洲1教授 徐和飞1巫世晶2秦 明2黄河潮3(1桂林工学院电子计算机系,桂林541004 2武汉大学动力与机械学院,武汉4300723香港城市大学建筑系)学科分类与代码:620.20 中图分类号:X914 文献标识码:A=摘 要> 提出一种贝叶斯网络的人因可靠性评价(HRAB N)方法,其中的每个因子对应于贝叶斯网络中的节点,该方法可对人因可靠性作定量分析和定性分析。
在定性分析上,节点的因果关系(HRA 中的因子关系)及需要改进的薄弱节点都直观地显示在层次图中;在定量分析方面,对节点因子后验概率的推断通过HRA 中的先验信息(包含仿真数据、现场操作及专家知识等)和最新信息得到。
如果人因可靠性贝叶斯网络中的每个节点的先验概率分布和后验概率分布都已知,模型的可信性就可通过贝叶斯因子进行定量验证。
贝叶斯网络扩展性好,当有新的节点因子需要考虑时,只需要补充对应的节点;笔者的方法也能很好地应用在不同行业的HRA 。
=关键词> 人因可靠性分析(HRA); HRA 模型; 模型的可信性; 贝叶斯网络; 贝叶斯因子Human Reliabili ty Assessment Based on Bayesian NetworksSUN Xuan 1 NIU Qin -zhou 1,Prof. XU He -fei 1 W U Sh -i jing 2 QIN Ming 2 HUANG He -chao 3(1Department of Computer,Guilin University of Technology,Guilin 541004,China 2School of Mechanical &Po wer Engineering,Wuhan University,Wuhan 430072,China3Department of Architecture,City University of Hong Kong,Hong Kong,China)Abstract: A human reliability assessment method using Bayesian networks is presented,in which each factor in the human reliability assessment corresponds to a node in the Bayesian networks,and could be used in qual-i tative and quantitative analyses.In the qualitative analysis,the causality of the nodes (the factors in the HRA)and the weak points need to be improved will be shown directly through hierarchical graph.In the quantitative analysis,the posterior probability (the potential factor)is inferred by the prior information (including simulation data,onsite experience data and e xpertise kno wledge)and latest information of HRA.A certain potential human actions could be predicted by mathe matical expectation of the node .s posterior probability.The c onfidence of the model of HRAB N might be quantitatively analyzed if the prior probability distribution and posterior probability distribution of every node were known.In addition,the flexibility of Bayesian networks is well,only corre -sponding nodes are added when new factors must be taken into account.The method could be well applied to every aspect in HRA.Key w ords: Human Reliability Analysis(HRA); model of HRA; c onfidence of model;Bayesian networks; Bayesian factor第16卷第8期2006年8月中国安全科学学报Chi na Safety Science Journal Vol .16No .8Aug .2006文章编号:1003-3033(2006)08-0022-06; 收稿日期:2006-02-21; 修稿日期:2006-07-281引言在现代社会中,随着设备的可靠性不断增长,由人因失误而造成危害的比例越来越大。
有关资料表明,在一些大型的灾难性事故中,人因失误导致的伤亡事故占伤亡事故总数的70%~80%[1];在核电站的严重事故中,人的失误造成系统失效的份额占50%~70%[2]。
20世纪发生在美国三哩岛核电站事故,就是现场操作人员忘记关闭REA13和122VD阀门所致[3],2004年日本核电站泄漏事故等都与人因失误相关。
在高风险企业中,人因可靠性分析/评价已经成为概率风险分析(PRA,Probabilistic Risk Analysis)的重要组成部分,如何通过人因可靠性分析,降低因人因失误所造成的危害,已成为PRA领域及风险管理部门普遍关心和亟待解决的问题。
20世纪80年代以来,许多学者就人因可靠性问题进行了研究,并提出各自的理论和方法:Swain A.D,Guttmann H.E.等著名人因分析学专家,完成/Handbook of Human Reliability Analysis with E mphasis on Nuclear Power Plant Application0研究报告[4],提出/人的失误率预测技术0(THE RP,Technique for Human Error Rate Prediction)方法,该方法通过THERP表格,对操作人员的失误作定量和定性分析;Hanna man BW.等学者提出了人的认知可靠性模型(HCR:Hu-man C ognitive Reliability),把操作人员的动作时间引入到HCR模型中,使得HCR模型更加合理一些; Embrey等学者提出了成功似然指数法(SLI M,Succ-cess Likeihood Index Methodology),该方法是应用于人因失误数据非常缺乏的情况,通过专家集体进行评判,并且只有当对人员的各种响应的绩效形成因子已知的条件才能进行定量化计算。
近年来,人因可靠性研究从人-机系统进一步扩展到对人的自身研究,如在应急环境(环境情景)下人的心理、情绪、行为等方面的研究。
代表性的研究方法有人因失误分析技术(ATHE ANA,A Technique for Human Error Analysis)[5]和认知可靠性与失误分析方法(CRE AM,Cognitive Reliability and Error Analysis Model)[6)7]。
有关学者对HRA(人因可靠性分析)方法作了研究和统计,现有的HRA方法有几十种,但该方法存在着以下不足之处[3,7)8]:1)人的可靠性数据的缺乏。
2)数据的量化过多依赖专家的判断,无法对数据的可信性进行验证,使得预测的正确性和准确性受主观因素的影响。
3)HRA方法的正确性和准确性难以验证。
4)对人的认知行为和心理处于探索和研究阶段;对组织管理的方法和态度、文化差异、社会背景等,在处理方法上缺乏一致性和可比性。
综合上述观点,有关学者提出了新的HRA模型,首先它是一种可信的方法[8],该方法有助于人们做到以下几点:1)辨识人在PSA情景下的反应(失误行为是关注重点);2)能够估计人的行为反应概率;3)识别人行为失误的原因,以支持预防和降低危害的措施的发展。
笔者提出基于贝叶斯网络的人因可靠性评价方法,重点不在于人的可靠性数据的获取。
其关键在于建立一个贝叶斯网络的因果模型,该模型的节点对应影响人因可靠性的因子,节点概率代表因子的可靠性,通过模型图,可以直观地对人因可靠性作定量分析和定性分析,并找出影响人因可靠性的关键节点;如果获得最新人因可靠性数据,并且人因可靠性贝叶斯网络中的每个节点的先验概率分布和后验概率分布都已知,就可以通过贝叶斯因子对专家评判人因可靠性的数据和模型本身的可信性给出一个定量的评价,即对数据和模型的可信性进行验证。
2贝叶斯网络及贝叶斯因子211贝叶斯网络贝叶斯网络的理论基础是统计概率理论和图论,作为一种强有力的不确定性知识表达与推理模型,具有简单有效的处理方法,严格的、可以解释的数学基础;贝叶斯网络使用图形的方法描述数据间的相互关系,语义清晰,易于理解,使得以因果结构知识表达更为容易,推理结构也更易解释。
它用具有网络结构的有向图表达各个信息要素之间的关联关系及影响程度,用节点变量表达各个信息要素,用连接节点之间的有向边表达各个信息要素之间的关联关系,用条件概率表(CPT,Conditional Probabilities Table)表达各个信息要素之间的影响程度。
贝叶斯网络又被称为信念/信度网络(Belief Ne tworks)、概率因果网(Causal Probabilistic Networks)、有向马尔科夫域(Directed Markov Fields)等。
1988年,Pearl首次给出贝叶斯网络的定义[9]。
定义:贝叶斯网络是一个有向无环图(DAG),其数学描述为L={DAG,PT},其中,DAG表示网络的#23#第8期孙旋等:基于贝叶斯网络的人因可靠性评价结构,DAG ={V,E },V ={v 1,v 2,,,v i }代表网络中的节点变量集,v i 代表网络中的节点变量;E ={e 1,e 2,,,e n },表示节点中有联系的有向边的集合,每条边表示两节点间直接的依赖关系,终点节点依赖于始点节点,依赖程度决定于条件概率;P T 是一组条件概率分布的集合,也称为节点概率表。