Ragionamento Probabilistico Flashcards
Cos’è una rete bayesiana?
Una rete bayesiana, o rete bayesiana, è un modello grafico probabilistico utilizzato per rappresentare le relazioni di dipendenza tra un insieme di variabili casuali.
Le reti bayesiane sono costituite da due componenti principali:
Nodi: Ogni nodo rappresenta una variabile casuale e contiene informazioni sulla probabilità condizionata della variabile data la conoscenza delle variabili genitorie. I nodi possono rappresentare eventi, stati di un sistema, condizioni mediche o qualsiasi altra cosa che può essere modellata come una variabile casuale. Archi: Gli archi collegano i nodi e rappresentano le dipendenze probabilistiche tra le variabili. Gli archi indicano in che modo una variabile influenza o è influenzata da un'altra variabile. La direzione degli archi è importante poiché riflette la direzione della dipendenza causale.
Le reti bayesiane sono utilizzate per modellare relazioni complesse tra variabili casuali in situazioni in cui esiste incertezza. Queste reti possono essere utilizzate in una varietà di campi, tra cui intelligenza artificiale, diagnostica medica, ingegneria, finanza, biologia, e altro. Sono in grado di catturare conoscenza esplicita e implicita in un problema e possono essere utilizzate per effettuare inferenze probabilistiche, calcolando probabilità condizionate, predizioni o classificazioni in base ai dati osservati.
Cos’è la coperta di Markov?
Una catena di Markov è un tipo di processo stocastico in cui le transizioni tra gli stati del sistema sono governate da una proprietà chiamata “proprietà di Markov”. Questa proprietà afferma che il futuro comportamento del processo dipende solo dal suo stato corrente e non dalla sequenza degli stati precedenti.
La “coperta di Markov” è un’idea correlata che si riferisce al fatto che una catena di Markov può essere suddivisa in un insieme finito di sottoinsiemi, ciascuno dei quali è un insieme di stati che possono essere raggiunti direttamente o indirettamente l’uno dall’altro. In altre parole, una coperta di Markov suddivide l’insieme degli stati del processo in gruppi o classi di stati comunicanti. Due stati sono considerati comunicanti se è possibile andare dall’uno all’altro con una serie di transizioni finite.
