31.10.2013 Aufrufe

Kausales Denken, Bayes-Netze und die Markov-Bedingung

Kausales Denken, Bayes-Netze und die Markov-Bedingung

Kausales Denken, Bayes-Netze und die Markov-Bedingung

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

58<br />

der kausalen Mechanismen widerspiegeln. In einem <strong>Bayes</strong>-Netz werden mögliche<br />

Fehlerquellen als unabhängig gedacht: Jedem kausalen Link ist damit eine<br />

hypothetische, unabhängige Fehlerquelle zugeordnet, <strong>die</strong> mit Wahrscheinlichkeit<br />

(1 – w C ) <strong>die</strong> Ursache daran hindert, den entsprechenden Effekt hervorzubringen.<br />

Diese hypothetischen Fehlervariablen sind unbeobachtet. Ihr Einfluss äußert sich<br />

im Parameter w C . Je schwächer <strong>die</strong> Fehlerquellen, desto größer w C . Es liegt nahe<br />

– insbesondere im Hinblick auf <strong>die</strong> in Kapitel 3 durchgeführten Stu<strong>die</strong>n – das kausale<br />

System (hier ein Common-Cause-Modell) einfach um eine weitere Fehlerquelle<br />

zu ergänzen, <strong>die</strong> auf alle kausalen Links gleichermaßen präventiv wirkt,<br />

indem sie deren Kausalstärke mindert. Auch <strong>die</strong>se Fehlerquelle sei unbeobachtet.<br />

Ihre Existenz erzeugt aber auf der Ebene der beobachtbaren Variablen des<br />

kausalen Systems konditionale Abhängigkeiten, mithin also <strong>Markov</strong>-<br />

Verletzungen. Je stärker <strong>die</strong> gemeinsame Fehlerquelle, desto stärker <strong>die</strong>se Abhängigkeiten.<br />

Mit <strong>die</strong>ser gemeinsamen Fehlerquelle lassen sich somit unterschiedliche<br />

Annahmen hinsichtlich der Abhängigkeiten der Kausalrelationen abbilden:<br />

Versagen <strong>die</strong>se eher gemeinsam, ist mithin also eher <strong>die</strong> Ursache für Fehler<br />

verantwortlich (wie z.B. in der „Sending“-<strong>Bedingung</strong>), dann ist <strong>die</strong> gemeinsame<br />

Fehlerquelle stark; sind <strong>die</strong> kausalen Links dagegen nahezu unabhängig voneinander,<br />

also eher <strong>die</strong> Effekte für Fehler verantwortlich (wie z.B. in der „Reading“-<strong>Bedingung</strong>),<br />

dann ist <strong>die</strong> gemeinsame Fehlerquelle eher schwach.<br />

Abbildung 15 zeigt <strong>die</strong>ses um <strong>die</strong> gemeinsame Fehlerquelle PN (preventive<br />

noise) erweiterte Common-Cause-Modell mit der Ursache C, den Effekten E 1 , …,<br />

E n sowie den Parametern w C , w PN , b C , b PN <strong>und</strong> b E , wobei<br />

– <strong>die</strong> Kausalstärke von C im Hinblick auf <strong>die</strong> Effekte,<br />

– <strong>die</strong> präventive Stärke von PN im Hinblick auf <strong>die</strong> Links<br />

C–E i ,<br />

– <strong>die</strong> Basisrate der gemeinsamen Ursache C,<br />

– <strong>die</strong> Basisrate von PN (preventive noise) <strong>und</strong><br />

– <strong>die</strong> Basisrate der Effekte E 1 , …, E n .<br />

Es wird dabei vereinfachend davon ausgegangen, dass <strong>die</strong> Kausalstärke w C<br />

für alle Ursache-Effekt-Relationen identisch ist, wie auch alle Effekte <strong>die</strong> gleiche

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!