在R中基于自定义条件概率使用bnlearn生成贝叶斯网络模拟数据

你可以使用bnlearn包实现更具可扩展性的合成数据生成方案，当后续需要新增变量、修改依赖关系或条件概率时，只需调整DAG结构和对应条件概率表（CPT）即可，不需要重复编写大量条件分支代码。

实现步骤 #

1. 安装并加载依赖包 #

首先确保你已经安装了bnlearn和dplyr包，加载方式如下：

library(bnlearn)
library(dplyr)

2. 定义DAG结构 #

根据你给出的变量依赖关系（T_X，YT+X），创建有向无环图：

# 语法规则：每个节点用[]包裹，竖线后为父节点，多父节点用冒号分隔
dag <- model2network("[smoking][treatment|smoking][dead|treatment:smoking]")

3. 定义各节点的条件概率表（CPT） #

完全匹配你给出的概率定义：

# 吸烟节点的边缘概率 P(smoking)：0的概率0.7，1的概率0.3
cpt_smoking <- matrix(c(0.7, 0.3), ncol = 2, dimnames = list(NULL, c("0", "1")))

# 治疗节点的条件概率 P(treatment|smoking)
cpt_treatment <- array(c(0.8, 0.2, 0.45, 0.55),
                       dim = c(2, 2),
                       dimnames = list(treatment = c("0", "1"),
                                       smoking = c("0", "1")))

# 死亡节点的条件概率 P(dead|treatment, smoking)
cpt_dead <- array(c(0.9, 0.1, 0.2, 0.8, 0.89, 0.11, 0.5, 0.5),
                  dim = c(2, 2, 2),
                  dimnames = list(dead = c("0", "1"),
                                  treatment = c("0", "1"),
                                  smoking = c("0", "1")))

4. 组装CPT到DAG并生成数据 #

# 将所有CPT绑定到DAG对象
bn <- custom.fit(dag, list(smoking = cpt_smoking,
                           treatment = cpt_treatment,
                           dead = cpt_dead))

# 生成100万条合成数据，可加种子保证结果可复现
set.seed(123)
db <- rbn(bn, n = 1e6)

# 可选：将因子类型转为数值类型，和你原手动生成的数据格式对齐
db <- db %>% mutate(across(everything(), ~as.numeric(as.character(.x))))

方案优势 #

• 可扩展性极强：如果后续新增变量，只需在DAG定义中新增节点和对应依赖，再补充对应CPT即可，不需要修改生成逻辑
• 避免重复编码：不需要手动写多个条件分支的rbinom调用，减少出错概率
• 支持任意复杂DAG：不管是有多少混淆变量、中间节点，都可以用同一套逻辑生成数据

结果验证 #

你可以用以下代码验证生成的数据分布是否符合预期：

# 验证吸烟比例，应接近0.3
mean(db$smoking)

# 验证吸烟=0时的治疗概率，应接近0.2
mean(db$treatment[db$smoking==0])

# 验证吸烟=1时的治疗概率，应接近0.55
mean(db$treatment[db$smoking==1])

# 验证治疗=0、吸烟=1时的死亡概率，应接近0.8
mean(db$dead[db$treatment==0 & db$smoking==1])

内容的提问来源于stack exchange，提问作者chrisjacques