2. Bayesin päätösteoria
2. Bayesin päätösteoria
2. Bayesin päätösteoria
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
=<br />
=<br />
=<br />
∑<br />
P( b)<br />
= P( a, b, c, d)<br />
a, c, d<br />
∑ P( a)P<br />
( b, c, d a)<br />
a, c, d<br />
Oulun yliopisto, Hahmontunnistus ja neuroverkot (521497S), TS<br />
=<br />
∑<br />
a, c, d<br />
=<br />
∑<br />
c<br />
=<br />
∑<br />
a, c, d<br />
P( a)P<br />
b a<br />
P( a)P<br />
b a<br />
∑<br />
a, c, d<br />
P( c b)<br />
( )P( c, d a, b)<br />
( )P( c a, b)P<br />
( d a, b, c)<br />
P( a)P<br />
( b a)P<br />
( c b)P<br />
( d c)<br />
∑<br />
d<br />
P( d c)<br />
P( b a)P<br />
( a)<br />
48 / 99<br />
Edellä laskettiin tiettyjien muuttujien arvojen todennäköisyyksiä, kun verkon<br />
muiden muuttujien arvoja ei tunnettu. Tällöin laskelmissa tuli käydä kaikki mahdolliset<br />
muuttujien arvot läpi ja laskea näiden vaihtoehtojen todennäköisyyksillä painotettu<br />
tulos.<br />
Seuraavaksi havainnollistetaan <strong>Bayesin</strong> verkon käyttämistä tiettyjen muuttujien<br />
posteriotodennäköisyyksien laskemisessa, kun eräiden muuttujien arvot tunnetaan.<br />
Käytännön sovelluksissa muuttujien arvot saadaan esimerkiksi muista sovelluksista<br />
syötteinä tai vaikkapa mittaamalla ohjattavan toimilaitteen sensoreilla. Tätä ulkoista<br />
informaatiota voidaan kutsua todisteaineistoksi (evidence) toimintaympäristön<br />
tilasta.<br />
Merkitään muuttujajoukon X a posteriori todennäköisyyttä symbolilla P( X e)<br />
.<br />
Muuttuja e merkitsee muuttujajoukkoon X muista verkon osista saatavaa todistu-<br />
∑<br />
⎛ ⎞ ⎛ ⎞<br />
⎜∑ P( b a)P<br />
( a)<br />
⎟ ⎜ P( c b)<br />
⎝ ⎠ ∑ ∑P(<br />
d c)<br />
⎟<br />
⎝ ⎠<br />
a<br />
c d<br />
a