2. Bayesin päätösteoria
2. Bayesin päätösteoria
2. Bayesin päätösteoria
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Oulun yliopisto, Hahmontunnistus ja neuroverkot (521497S), TS<br />
52 / 99<br />
muuttujien tilastollisten riippuvuuksien mukainen yhteistodennäköisyyden lauseke:<br />
P( a, b, x, c, d)<br />
= P( a)P<br />
( b a)P<br />
( x a, b)P<br />
( c a, b, x)P<br />
( d a, b, x, c)<br />
Kerätään todistusaineistoa kullekin muuttujalle olettaen että muuttujat ovat tilastollisesti<br />
riippumattomia:<br />
• kala on väriltään vaalea (c 1)<br />
• kala on saalistettu Etelä-Atlantilta (b 2 )<br />
• ei tiedetä mihin vuodenaikaan kala on saatu<br />
• pituustietoa ei ole käytettävissä.<br />
Millä todennäköisyydellä kala on lohi?<br />
=<br />
P( a)P<br />
( b)P<br />
( x a, b)P<br />
( c x)P<br />
( d x)<br />
Millä todennäköisyydellä kala on meriahven?<br />
=<br />
P( x1 c1, b2) =<br />
∑<br />
=<br />
=<br />
P( x1, c1, b2) ------------------------------ = αP( x<br />
P( c1, b2) 1, c1, b2) ∑<br />
α P( x1, a, b2, c1, d)<br />
a, d<br />
α P( a)P<br />
( b2)P ( x1 a, b2)P ( c1 x1)P ( d x1) a, d<br />
⎛ ⎞<br />
αP( b2)P ( c1 x1) ⎜∑ P( a)P<br />
( x1 a, b2) ⎟<br />
⎝ ⎠<br />
a<br />
P( x2 c1, b2) =<br />
=<br />
α( 0, 114)<br />
⎛ ⎞<br />
⎜∑ P( d x1) ⎟<br />
⎝ ⎠<br />
d<br />
P( x2, c1, b2) ------------------------------ = αP( x<br />
P( c1, b2) 2, c1, b2) =<br />
α( 0, 066)<br />
Kala on joko lohi tai meriahven, joten posteriorit summautuvat arvoon 1. Tästä