贝叶斯建模中gRain包setEvidence函数NaN结果的解决方法

你的代码返回NaN是因为证据与CPT定义存在逻辑矛盾：

• 节点A的CPTcptA被设置为只有Normal状态（概率1），意味着A永远处于Normal；
• 节点A1的CPTcptA1规定：当A是Normal时，A1只能是Normal（概率1），完全没有概率处于Interrupted；
• 此时你强制设置A1为Interrupted，这与A固定为Normal的前提冲突，推理引擎无法处理这种矛盾的证据，因此返回NaN。

根据你的灾害建模需求，有两种修正方向：

方向1：允许节点A处于Interrupted状态 #

如果节点A在灾害场景下确实可能被中断，修改其CPT，让它有概率处于Interrupted状态，这样A1的证据就能合法成立：

# 修改节点A的CPT，允许Interrupted状态
cptA <- matrix(c(0.9, 0.1),  # 90%概率Normal，10%概率Interrupted
               nrow = 1,
               dimnames = list(NULL, states))

方向2：允许A为Normal时A1可以被中断 #

如果节点A确实是固定的Normal状态（比如是不会失效的核心基础设施），则修改A1的CPT，允许A处于Normal时A1有概率变为Interrupted：

# 修改A1的CPT，允许A=Normal时A1可以是Interrupted
cptA1 <- array(
  c(0.9, 0.1,  # A=Normal时，A1 90% Normal，10% Interrupted
    0, 1),      # A=Interrupted时，A1只能是Interrupted
  dim = c(2, 2),
  dimnames = list(
    A1 = states,
    A = states
  )
)

以方向1为例，修改后代码如下：

# Load required libraries
library(bnlearn)
library(gRain)

# Define states
states <- c("Normal", "Interrupted")

# Define CPTs - 修正节点A的CPT
cptA <- matrix(c(0.9, 0.1),
               nrow = 1,
               dimnames = list(NULL, states))

cptA1 <- array(
  c(1, 0,
    0, 1),
  dim = c(2, 2),
  dimnames = list(
    A1 = states,
    A = states
  )
)

cptA2 <- array(
  c(1, 0,
    0, 1),
  dim = c(2, 2),
  dimnames = list(
    A2 = states,
    A1 = states
  )
)

cptA3 <- array(
  c(1, 0,
    0, 1),
  dim = c(2, 2),
  dimnames = list(
    A3 = states,
    A2 = states
  )
)

# Build DAG
dag <- model2network("[A][A1|A][A2|A1][A3|A2]")

# Fit the Bayesian network
fitted <- custom.fit(dag, dist = list(
  A = cptA,
  A1 = cptA1,
  A2 = cptA2,
  A3 = cptA3
))

# Convert to gRain object for inference
grain_net <- as.grain(fitted)

# Set evidence: force A1 = "Interrupted"
grain_evidence <- setEvidence(grain_net, evidence = list(A1 = "Interrupted"))

# Query the posterior of A3
query_result <- querygrain(grain_evidence, nodes = "A3")

# Print the result
print(query_result)

运行后会得到A3的有效后验概率，不会再返回NaN。

内容的提问来源于stack exchange，提问作者hadi