作业二：实现贝叶斯网络近似推理算法
（一）问题描述
实现两种基本的近似推理算法——拒绝采样和似然加权，并在一个简单的
贝叶斯网络（PPT 示例）上进行应用和比较。
网络结构图:
 C -> S
 C -> R
 S -> W
 R -> W
变量解释:
 C(Cloudy): 是否多云 (Boolean)
 S(Sprinkler): 洒水器是否开启 (Boolean)
 R(Rain): 是否下雨 (Boolean)
 W(WetGrass): 草坪是否湿润 (Boolean)
条件概率表 (CPTs):
 P(C=T) = 0.5
 P(S | C):
 P(S=T | C=T) = 0.10
 P(S=T | C=F) = 0.50
 P(R | C):
 P(R=T | C=T) = 0.80
 P(R=T | C=F) = 0.20
 P(W | S, R):
 P(W=T | S=T, R=T) = 0.99
 P(W=T | S=T, R=F) = 0.90
 P(W=T | S=F, R=T) = 0.90
 P(W=T | S=F, R=F) = 0.00

(二) 任务要求
实现拒绝采样算法和似然加权算法，算法需要能够估计条件概率 P(X | e)，
其中 X 是查询变量，e 是证据。使用你实现的两种算法估计 P(R | S=T,
W=T)。

要求撰写实验报告，提供源程序。