e - GSI
e - GSI
e - GSI
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Inferencia bayesiana: conocimiento táctico<br />
P(H j |E i )=<br />
P(H j |E i )=<br />
¿Conocimiento estratégico<br />
P(H j )P(E i |H j )<br />
P(H j )P(E i |H j )+P(H j )P(E i |H j )<br />
P(H j )P(E i |H j )<br />
P(H j )P(E i |H j )+P(H j )P(E i |H j )<br />
¿evidencias múltiples<br />
¿imprecisión/incertidumbre en las respuestas del usuario<br />
c○ 2011 DIT-ETSIT-UPM Representación del conocimiento transp. 75<br />
Inferencia bayesiana: combinación de evidencias<br />
Si E 2 «viene después» de E 1 , probabilidad de H j condicionada a<br />
E 2 en el contexto de E 1 :<br />
P(H j |E 1 )P(E 2 |H j ∩ E 1 )<br />
P(H j |E 1 ∩E 2 )=<br />
P(H j |E 1 )P(E 2 |H j ∩ E 1 )+P(H j |E 1 )P(E 2 |H j ∩ E 1 )<br />
Suposición: H j causas directas de E i :<br />
P(E i |H j ∩ E k )=P(E i |H j ), etc.<br />
P(H j |E 1 ∩ E 2 )=<br />
P(H j |E 1 )P(E 2 |H j )<br />
P(H j |E 1 )P(E 2 |H j )+P(H j |E 1 )P(E 2 |H j )<br />
Es decir, Bayes aplicado al resultado de tener en cuenta E 1<br />
algoritmo de actualización sucesiva de las P(H j )<br />
c○ 2011 DIT-ETSIT-UPM Representación del conocimiento transp. 76