如何通过联合条件PMF判断两个随机变量是否条件独立？

先明确网络结构 #

从图中可知节点间的依赖关系：A → B、A → C、B → D、C → D

核心判定方法 #

你给出的三个等价公式是理论依据，配合贝叶斯网络的d-分离规则可以快速推导，不用硬算概率：

d-分离核心规则：

• 尾对尾结构（如X←Z→Y）：观测Z时，X和Y的关联路径被阻断，二者条件独立于Z
• 头对尾结构（如X→Z→Y）：观测Z时，X和Y的关联路径被阻断，二者条件独立于Z
• 头对头结构（如X→Z←Y）：未观测Z时路径阻断；观测Z（或其后代）时路径激活，二者不独立

1. 判定I(B;C|A)（给定A时，B和C是否独立） #

B和C的唯一关联路径是B←A→C，属于尾对尾结构。当观测A时，这条路径直接被阻断，B和C的取值仅由A决定，彼此无影响。
用公式验证：p(B,C|A) = p(B|A)p(C|A)，完全符合条件独立的定义，因此该条件独立成立。

2. 判定I(B;C|D)（给定D时，B和C是否独立） #

B和C的关联路径是B→D←C，属于头对头结构。当观测D时，这条路径会被激活——知道D的取值后，可通过D反向推断B和C的概率关联，此时p(B|D,C) ≠ p(B|D)，不符合条件独立定义，因此该条件独立不成立。

3. 判定I(A;D|B,C)（给定B、C时，A和D是否独立） #

A到D有两条路径：A→B→D和A→C→D，均属于头对尾结构。当观测B、C时，两条路径都被阻断，D的取值仅由B、C决定，和A无关。
用公式验证：p(D|A,B,C) = p(D|B,C)，符合条件独立的等价形式，因此该条件独立成立。

4. 判定I(B;D|A)（给定A时，B和D是否独立） #

B和D的直接关联路径是B→D，A并非这条路径的中间节点，无法阻断B对D的直接影响。给定A时，知道B的取值会直接改变D的概率，即p(D|B,A) ≠ p(D|A)，不符合条件独立定义，因此该条件独立不成立。

内容的提问来源于stack exchange，提问作者WallyWolly