Kausales Denken, Bayes-Netze und die Markov-Bedingung
Kausales Denken, Bayes-Netze und die Markov-Bedingung
Kausales Denken, Bayes-Netze und die Markov-Bedingung
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
124<br />
Abbildung 36. Vier Beispiele für ein um eine für jeden Cluster je gemeinsame<br />
Fehlerursache PN zj erweitertes Common-Cause-Modell mit fünf Effekten. In Teilabbildung<br />
(a) gehören alle Effekte zum selben Cluster (<strong>die</strong>se Partitionierung ist<br />
mithin äquivalent zum Basismodell), in Teilabbildung (b) <strong>und</strong> (c) sind <strong>die</strong> Effekte<br />
in jeweils zwei Cluster partitioniert <strong>und</strong> in Teilabbildung (d) gehört jeder Effekt zu<br />
einem eigenen Cluster (<strong>die</strong>se Partitionierung ist auf der Ebene der beobachteten<br />
Variablen mithin äquivalent zu einem <strong>Bayes</strong>-Netz). Konditionale Abhängigkeiten<br />
zwischen Effekten gibt es mithin nur innerhalb von Clustern, aber nicht zwischen<br />
<strong>die</strong>sen.<br />
6.2.3 Wahrscheinlichkeit einer Partitionierung z gegeben F<br />
Die verbleibende Frage ist nun, mit welchem jeweiligen Gewicht <strong>die</strong> eben<br />
abgeleiteten, einzelnen bedingten Zielinferenzen zur Gesamtinferenz aggregiert<br />
werden (siehe dazu Gleichung 25 auf Seite 122). Dazu muss für jede mögliche<br />
Partitionierung <strong>die</strong> A-posteriori-Wahrscheinlichkeit gegeben der beobachteten<br />
Merkmale bestimmt werden. Dies erfolgt im ersten Schritt einfach durch Anwendung<br />
der <strong>Bayes</strong>-Formel:<br />
(27)<br />
Die Wahrscheinlichkeit einer Partitionierung z gegeben der Merkmale F ist<br />
demnach proportional zum Likelihood der Merkmale gegeben der Partitionierung<br />
gewichtet mit deren A-priori-Wahrscheinlichkeit.<br />
Die A-priori-Wahrscheinlichkeit lässt sich dabei als Chinese-<br />
Restaurant-Prozess (CRP) beschreiben (siehe Pitman, 2002; Kemp et al., 2007).