U7

Question 1

Co to prawdopodobieństwo bezwarunkowe?

Answer 1

Liczbowa szansa wystąpienia zjawiska, gdy nie znane są okoliczności związane z tym zjawiskiem.(Czy to się faktycznie wydarzyło)

Question 2

Co reprezentuje zmienna losowa?

Answer 2

Reprezentuje zjawisko losowe, które może przyjmować wartości z pewnego zbioru (dziedziny zmiennej losowej).
Np.: jaka będzie dziś pogoda?
-Zmienna losowa: (Pogoda Dziś)
-Wartości ze zbioru: {Słońce, Chmury, Deszcz, Śnieg}

Question 3

Co to rozkład prawdopodobieństwa?

Answer 3

Zestaw wartości prawdop. wszystkich możliwych wartości zmiennej losowej.
-Rozkład dla zmiennej losowej (Pogoda Dziś) = P(Pogoda Dziś) = {0.8, 0.1, 0.09, 0.01}

Question 4

Co to jest łączny rozkład prawdopodobieństw?

Answer 4

Łączny rozkład prawdopodobieństw - opisuje prawdopodobieństwa wystąpienia różnych kombinacji zmiennych losowych jednocześnie. Suma wszystkich wartości w łącznym rozkładzie prawdopodobieństw jest równa 1.

Question 5

Prawdopodobieństwo atomowe

Answer 5

formuła której nie da się już dalej rozbić.

Question 6

Wzór na prawdopodobieństwo warunkowe:

Answer 6

P(A∣B)= P(A∩B) / P(B)

​

Question 7

Reguła Bayesa wzór:

Answer 7

P(A∣B)= P(B∣A)⋅P(A)/P(B)

​

Question 8

Co to sieć przekonań

Answer 8

Siecią przekonań nazywamy taki graf którego:

• węzły sieci są zmienne losowe,
• łuki sieci są skierowane, i łuk X→Y znaczy “zmienna X ma bezpośredni wpływ na Y”,
• każdy węzeł X ma związaną z nim tablicę prawdopodobieństw warunkowych, określających wpływ wywierany na X przez jego rodziców (poprzednik na grafie),
• sieć nie może mieć cykli
  -KAŻDY WĘZEŁ JEST WARUNKOWO NIEZALEŻNY OD SWOICH DALSZYCH PRZODKÓW POZA SWOIMI RODZICAMI
  -ZALEŻNOŚCI O NIEWIELKIM PRAWDOPODOBIEŃSTWIE POWINNY BYĆ IGNOROWANE

Question 9

Co to reguła bayesa i dlaczego jest użyteczna

Answer 9

Reguła Bayesa, zwana również twierdzeniem Bayesa, jest fundamentalnym narzędziem w teorii prawdopodobieństwa i statystyce. Pozwala ona na aktualizowanie prawdopodobieństw zdarzeń na podstawie nowych informacji.
Reguła bayesa w ML jest kluczowa poniewaz umozliwia nam aktualizacje wiedzy na podstawie nowych danych

Question 10

Do czego mozna uzyc sieci przekonan

Answer 10

Poza wyliczaniem wartości przekonań o wystąpieniu pewnych faktów, sieci przekonań mogą służyć do innych procesów:

Podejmowanie decyzji łącznie na podstawie prawdopodobieństw na sieci i innych możliwości agenta.
Określanie jakie inne fakty należy poznać aby uzyskać użyteczną informację.
Przeprowadzenie analizy czułości w celu określenia, które elementy modelu mają największy (krytyczny) wpływ na wyniki.
Wyjaśnianie i prezentacja wyników wnioskowania probabilistycznego użytkownikowi.