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.
61<br />
(6)<br />
mit<br />
(7)<br />
<strong>und</strong> unter der Annahme, dass<br />
(8)<br />
Letztere Annahme besagt, dass <strong>die</strong> Parameter des kausalen Systems unabhängig<br />
sind von den beobachteten Zuständen der gemeinsamen Ursache C <strong>und</strong><br />
den Effekten E 1 , …, E n-1 <strong>und</strong> <strong>die</strong> Parameter daher vollständig durch <strong>die</strong> Hyperparameter<br />
der A-priori-Verteilungen beschrieben sind. Das heißt, es findet kein<br />
Lernen statt. Diese Vereinfachung lässt sich rechtfertigen (bzw. sie ist sogar geboten),<br />
weil eine experimentelle Situation modelliert wird, in der <strong>die</strong> präsentierten<br />
Testfälle im Hinblick auf ihre Häufigkeit nicht repräsentativ sind für das zugr<strong>und</strong>e<br />
liegende kausale System. Die sechs Testfälle sind – aus experimentellen<br />
Gründen – gleichverteilt <strong>und</strong> daher nicht als i.i.d.-Stichprobe 31 aus der durch das<br />
<strong>Bayes</strong>-Netz beschriebenen gemeinsamen Wahrscheinlichkeitsverteilung anzusehen.<br />
Anders zu bewerten wäre eine experimentelle Situation, in der <strong>die</strong> Probanden<br />
fortlaufend unvollständige Stichproben aus dem kausalen System vervollständigen<br />
müssten, <strong>die</strong> <strong>die</strong>ses auch generiert hat (also ein klassisches Lernexperiment<br />
mit Rückmeldung). Dann wären <strong>die</strong>se Stichproben auch informativ <strong>und</strong><br />
obige Annahme dürfte nicht getroffen werden.<br />
Hinsichtlich Gleichung 6 stellt sich nun <strong>die</strong> Frage, wie <strong>die</strong> bedingte Wahrscheinlichkeit<br />
aus der Sicht des oben beschriebenen<br />
Modells darzustellen ist. In einem Common-Cause-Modell mit <strong>Markov</strong>-<strong>Bedingung</strong><br />
würde sich <strong>die</strong>ser Ausdruck stark vereinfachen:<br />
(9)<br />
31 Eine i.i.d.-Stichprobe ist eine Stichprobe, deren Realisierungen unabhängig voneinander aus<br />
der gleichen Wahrscheinlichkeitsverteilung gezogen wurden (i.i.d.: independent and identically<br />
distributed)