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.
Tabelle 5<br />
Bedingte Wahrscheinlichkeit für Effekt E i , im Zustand B zu sein, gegeben des Status<br />
der Ursache C <strong>und</strong> der gemeinsamen Fehlerquelle PN („A/B“-Fall)<br />
80<br />
1<br />
Anmerkungen. b E – Basisrate des Effekts E i , im Zustand B zu sein, w C – Stärke der Ursache C, w PN<br />
– Stärke der präventiven Ursache PN.<br />
Abbildung 21. Modellvorhersage für unterschiedliche Stärken (w PN ) der präventiven<br />
Ursache PN auf der Basis einer Monte-Carlo-Simulation mit 100 000 Durchgängen<br />
in einem Common-Cause-Modell mit einer Ursache C <strong>und</strong> drei Effekten<br />
im „A/B“-Fall. Die weiteren Parameter des kausalen Systems wurden hierfür aus<br />
folgenden Verteilungen gezogen: , <strong>und</strong><br />
; hat auf <strong>die</strong> Modellvorhersage keinen Einfluss.<br />
5.1.2 Experiment 4: Überblick<br />
Diese Vorhersage soll nun in einem Experiment getestet werden. Dafür kann einfach<br />
das in Kapitel 3 verwendete experimentelle Paradigma der Gedanken lesenden<br />
bzw. Gedanken übertragenden Außerirdischen eingesetzt <strong>und</strong> angepasst
Change language