A5M33IZS – Informační a znalostní systémyA5M33IZS – Informační a znalostní systémy
Rozšířený odvozovací mechanismus expertních systémů
Funkce příspěvku pravidla 1
Prospektor, opakování:
E->H ( P(H/E), P(H/~E))
P(H/~E)
P(H)P(H/E)
0 P(E) P(E/E’)1
P(H/E’)
Spíše NE Spíše AN0
Funkce příspěvku pravidla 2
Nový typ pravidla:
E1& E2 ->H (parametry)
Spíše NE Spíše AN0
Spí
še N
ES
píše
AN
0
P(E1/E’)
P(E2/E’)
Soustředíme se na tento kvadrant definičního oboru,
ostatní jsou analogické
Funkce příspěvku pravidla 3Nový typ pravidla:
E1& E2 ->H (parametry)
P(E1/E’)
P(H/E’)
P(E2/E’)
P(E1) 1
1
P(E2)
Funkce příspěvku pravidla 4Nový typ pravidla:
E1& E2 ->H (parametry)
P(E1/E’)
P(H/E’)
P(E1) 1
P(E2/E’)
1
P(E2/E’) = P(E2)
P(H/E1)
P(H)
P(E2)
Funkce příspěvku pravidla 5Nový typ pravidla:
E1& E2 ->H (parametry)
P(E1/E’)
P(H/E’)
P(E2/E’)
P(E1/E’) = P(E1)
P(H/E2)
P(H)
P(E1) 1
1
P(E2)
Funkce příspěvku pravidla 6Nový typ pravidla: E1& E2 ->H (parametry)
P(E1/E’)
P(H/E’)
P(E2/E’)
P(H/E1 & E2)
P(H)
P(E1) 1
1
P(E2)
Funkce příspěvku pravidla 7Nový typ pravidla: E1& E2 ->H (parametry)
P(E1/E’)
P(H/E’)
P(E2/E’)
P(H/E1 & E2)
P(H)
P(E1) 1
1
P(E2)
Funkce příspěvku pravidla 8Nový typ pravidla: E1& E2 ->H (parametry)
P(E1/E’)
P(H/E’)
P(E2/E’)
P(H/E1 & E2)
P(H)
P(E1) 1
1
P(E2)
Funkce příspěvku pravidla 9Nový typ pravidla: E1& E2 ->H (parametry)
P(E1/E’)
P(H/E’)
P(E2/E’)
P(H/E1 & E2)
P(H)
P(H/E1)
P(H/E2)
P(E1) 1
1
P(E2)
Funkce příspěvku pravidla 10Nový typ pravidla: E1& E2 ->H (parametry)
P(E1/E’)
P(H/E’)
P(E2/E’)
P(H/E1 & E2)
P(H)
P(H/E1)
P(H/E2)
MONOTONIE !!!
?
P(E1) 1
1
P(E2)
Funkce příspěvku pravidla 10Nový typ pravidla: E1& E2 ->H (parametry)
P(E1/E’)
P(H/E’)
P(E2/E’)
P(H/E1 & E2)
P(H)
P(H/E1)
P(H/E2)
MONOTONIE !!!
P(E1) 1
1
P(E2)
Funkce příspěvku pravidla 11Nový typ pravidla: E1& E2 ->H (parametry)
z y
x0 1
z = A . x . y + B . x + C . y + D
Sdružování příspěvků pravidel 1
Nový typ pravidla: E1& E2 ->H (parametry)
H1 H2 H3
E1 E2
E3
E4 E5 E6
E1 & E2 & E3 -> H1E2 & E3 & E4 -> H1E2 & E3 & E4 -> H2E4 & E5 -> H3E6 -> H3
Sdružování příspěvků pravidel 2Nový typ pravidla: E1& E2 ->H (parametry)
H1 H2 H3
E1 E2
E3
E4 E5 E6
O(H1/E1, E2, E3, E4) =O(H1/E1, E2, E3) * O(H1/E2, E3, E4)
O(H1/E2, E3)
E1 & E2 & E3 -> H1E2 & E3 & E4 -> H1E2 & E3 & E4 -> H2E4 & E5 -> H3E6 -> H3
Kolapsibilita kontingenčních tabulek 1
Záleží na tom, zda je nezávislost zjišťována na marginálním nebo sdruženém rozložení.
Příklad (Lauritzen, S. L.: Graphical Models, str. 63): Rozsudky v případě 4863 vražd na Floridě 1973-78
Rozsudek
Vrah Smrt Jiný
Černoch 59 2547
Běloch 72 2185
Rozsudek
Oběť Vrah Smrt Jiný
ČernochČernoch 11 2309
Běloch 0 111
BělochČernoch 48 238
Běloch 72 2074
Smrt pro bílé vs. černé vrahy:
3,2% > 2,3%
Smrt pro bílé vs. černé vrahy:
Oběť černoch: 0% < 4,74%Oběť běloch: 3,36% < 16,8%
Yule-Simpsonův paradox
Kolapsibilita kontingenčních tabulek 2
Parametrická kolapsibilita (vztahuje se k Yule-Simpsonově paradoxu na předch. slide): Závislosti existující ve sdružené tabulce musí být zachovány ve sdruženém i marginálním rozložení.
Kolapsibilita modelu (Asmussen & Edwards 1983):Grafový model je kolapsovatelný na podgraf A, právě pro každou komponentu B připojenou k A z AC je bd(B) úplným grafem.