Next: d-Separation
Up: Bayessche Netze
Previous: Beispiel
Durch Instantiieren einiger Variablen werden die Beobachtungen
(Evidenzen) eingetragen und andere Knoten können abgefragt werden.
43#43
Unter der Annahme, daß der Alarm sehr zuverlässig ist und Person A
in 9 von 10 Fällen anruft, dann:
44#44.
Im Beispiel ist die Evidenz, daß ein Einbruch nur alle 1000 Tage
stattfindet, Person A aber 50 x in 1000 Tagen zum Telefonhörer
greift.
45#45
46#46
47#47
48#48
Die Wahrscheinlichkeit eines Einbruchs, wenn Person A anruft, ist sehr
gering.
Unter Inferenzmechanismen sind Schlußfolgerungen zu verstehen, die man in
jegliche Richtung treffen kann. Die oben berechnete Schlußfolgerung
entspricht einer diagnostischen Inferenz. Die Schlußrichtung ist von
den Effekten zur Ursache. In den Bayesschen Netzen werden vier
Inferenzmechanismen unterschieden (siehe Abbildung 2.7).
Abbildung:
Inferenztypen
49#49 |
- diagnostisch: von Effekten zu Ursachen,
z.B. 50#50
- kausal: von Ursachen zu Effekten, z.B. 51#51
- interkausal (explaining away): zwischen Ursachen,
z.B. 52#52 und 53#53
- gemischt: Vermischung von positiven und negativen
Ereignissen, z.B. 54#54
Copyright Munich Network Management Team