Sprachliche Mensch-Maschine-Kommunikation

182 12. Hidden Markov Modelle
linear
links-nach-rechts
alternative Pfade
Bakis
ergodisch
Abb. 12.1. Verschiedene Topologien für Hidden-Markov-Modelle
schlecht ist, dann ist die Wahrscheinlichkeit dafür, daß es am nächsten
Tag auch schlecht ist, größer, als daß es gut ist (ungeachtet irgendwelcher
Wettervorhersagen). Man könnte zwei Wochen lang das Wetter beobachten
und jeden Tag notieren, ob das Wetter schön oder schlecht war und ob
die Sonne geschienen hat. Dann könnte eine Tabelle wie 12.2 entstehen (+
bedeutet schönes Wetter, − bedeutet schlechtes Wetter).
Tag 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Zustand + + + + – – – + + – – + + +
Sonne
Tabelle 12.1. Beispiel für 14 Tage Wetterbeobachtungen
Der Tabelle kann man entnehmen, daß von den 14 protokollierten Tagen
9 als schön und 5 als schlecht markiert wurden. An 6 der 9 schönen Tage
schien die Sonne, während sie nur an einem der 5 schlechten Tage zu sehen
war. Insgesamt fanden zwischen den 14 Tagen 13 Zustandsübergänge statt,
davon waren 6 Übergänge von schön“ nach schön“, 2 von schön“ nach
” ” ”
” schlecht“, 3 von ” schlecht“ nach ” schlecht“ und 2 von schlecht“ nach
”
” schön“. Das heißt zum Beispiel, daß die Wahrscheinlichkeit, dafür daß das
Wetter, wenn es einmal schön ist, mit 75%-iger Wahrscheinlichkeit auch am