对一个学生是否能够拿到推荐信来建模，选取五个变量如下图：

 五个变量的依赖关系如下： 试题难度和智力影响着考试成绩，考试成绩影响能不能得到推荐信，整理影响着高考成绩 。定义条件概率表：

d节点没有复节点，用先验概率表示条件概率，试题难度低的概率是0.6，试题难度高的概率0.4。

Grade节点有两个复节点，条件概率表第一行概率表示：在i取i0、d取d0的情况下，g分别取到g1 g2 g3的概率。其他变量的条件概率表以此类推。

用贝叶斯建模，需要的参数会大幅降低:

 举两个不同的例子：

 为了介绍贝叶斯网络的条件独立性，引入概率影响流动性：

 一定的观测条件，是指有无观测变量，观测变量的值是否确定。

另一个例子，第一行代表：当w不属于观测变量，那么X会影响Y；当w属于观测变量，那么X不会影响Y。

概率影响流动性和迹关联，有效迹引入d分离，d分离与条件独立相关。

 根据此定理，可以将2.2中的例子简化：

下图具体的值后文会有介绍：

注：