ВУЗ:
Составители:
Рубрика:
27
где Ряд1 и Ряд2 — имена векторов, содержащих наблюдения исследуе-
мых переменных.
При исследовании систем принимают во внимание, что независи-
мость некоторой переменной x
1
от каждой из остальных (x
2
...x
n
) ещё не оз-
начает, что x
1
не зависит от некоторой функции f(x
2
...x
n
).
Входную (факторную) переменную исключают из модели в следую-
щих случаях:
¨ отсутствие её связи с выходной переменной статистически дос-
товерно;
¨ она тесно коррелирует с другой входной переменной, не исклю-
чаемой из модели, либо снимает существенную часть её энтропии.
Представление знаний о структуре системы в форме условных
вероятностей
Числовая модель производственной системы в данном случае пред-
ставляет собой систему количественных зависимостей выходных перемен-
ных от входных.
В данном случае в каждой подсистеме входные переменные предпо-
лагаются независимыми, сами переменные — дискретными, а связи между
выходными и входными переменными — вероятностными. Следовательно,
связи могут быть количественно охарактеризованы математическим ожи-
данием вероятностью значений входных переменных при заданном значе-
нии выходной переменной.
Такая количественная характеристика связей может быть построена
на основе наблюдений моделируемых систем даже при полном отсутствии
какого-либо априорного знания о характере связей. Однако её достовер-
ность зависит от количества имеющихся наблюдений моделируемых сис-
тем и от точности выполнения условий применимости формализма услов-
ных вероятностей. Часто наличие априорного знания позволяет получить
значительно более точные и достоверные количественные характеристики
связей. В этом случае создание числовой модели требует более мощных
формализмов для представления знаний о связях.
На основе наблюдений за поведением изучаемой системы нельзя
сделать полностью достоверное заключение о вероятностях её состояний.
Например, если 18 раз бросить игральную кость, то из того, что единица
выпала шесть раз, не следует, что вероятность её выпадания равна
1
3
.
Наблюдаемая частота некоторого значения переменной может быть
обусловлена различной действительной вероятностью этого значения. Од-
28
нако при разных действительных вероятностях шансы на то, чтобы наблю-
дать именно такую частоту, различны.
Располагая только ограниченным количеством наблюдений изучае-
мой дискретной переменной, исследователь не имеет никакой более обос-
нованной оценки вероятности её значений, нежели средняя взвешенная
вероятностей данного значения, которые могли вызвать его реализацию
n раз из N наблюдений. Эта величина называется наиболее правдоподоб-
ной оценкой вероятности.
Можно доказать, что наиболее правдоподобная оценка вероятно-
стей, которые могли вызвать наблюдение некоторого значения дискретной
переменной n раз из N наблюдений, равна
n + 1
N + k
, где k — число возмож-
ных значений. Чем больше число наблюдений, тем меньше эта величина
отличается от
n
N
.
Для полной характеристики стохастических связей дискретной вы-
ходной переменной от дискретных взаимно независимых входных пере-
менных достаточно определить:
¨ оценки вероятности каждого значения всех переменных;
¨ оценки условной вероятности каждого значения всех входных
переменных при заданном значении выходной переменной.
При отсутствии какой-либо другой информации математические
ожидания условной вероятности рассчитываются на основе комбинацион-
ных таблиц (таблиц сопряжённости), включающих выходную и одну из
входных переменных. Столбцы такой таблицы соответствуют дискретным
значениям входной, а строки — выходной переменной. В клетках таблицы
помещается число наблюдений, в которых наблюдались соответствующих
значения обеих переменных.
При этом:
¨ вероятность выходной переменной оценивается по вышеприве-
дённой формуле (в при выполнении заданий данного практикума этот спо-
соб применяется редко: см. ниже!);
¨ условные вероятности значений входной переменной при извест-
ных значениях выходной переменной (именно эти вероятности потребуют-
ся нам для модели) — по формуле
1
,
ij
j
n
nQ
+
+
где Ряд1 и Ряд2 — имена векторов, содержащих наблюдения исследуе- нако при разных действительных вероятностях шансы на то, чтобы наблю- дать именно такую частоту, различны. мых переменных. Располагая только ограниченным количеством наблюдений изучае- При исследовании систем принимают во внимание, что независи- мой дискретной переменной, исследователь не имеет никакой более обос- мость некоторой переменной x1 от каждой из остальных (x2...xn) ещё не оз- нованной оценки вероятности её значений, нежели средняя взвешенная начает, что x1 не зависит от некоторой функции f(x2...xn). вероятностей данного значения, которые могли вызвать его реализацию Входную (факторную) переменную исключают из модели в следую- n раз из N наблюдений. Эта величина называется наиболее правдоподоб- щих случаях: ной оценкой вероятности. ¨ отсутствие её связи с выходной переменной статистически дос- Можно доказать, что наиболее правдоподобная оценка вероятно- товерно; стей, которые могли вызвать наблюдение некоторого значения дискретной ¨ она тесно коррелирует с другой входной переменной, не исклю- n+1 переменной n раз из N наблюдений, равна N + k , где k — число возмож- чаемой из модели, либо снимает существенную часть её энтропии. Представление знаний о структуре системы в форме условных ных значений. Чем больше число наблюдений, тем меньше эта величина n вероятностей отличается от N . Числовая модель производственной системы в данном случае пред- Для полной характеристики стохастических связей дискретной вы- ставляет собой систему количественных зависимостей выходных перемен- ходной переменной от дискретных взаимно независимых входных пере- ных от входных. менных достаточно определить: В данном случае в каждой подсистеме входные переменные предпо- ¨ оценки вероятности каждого значения всех переменных; лагаются независимыми, сами переменные — дискретными, а связи между ¨ оценки условной вероятности каждого значения всех входных выходными и входными переменными — вероятностными. Следовательно, переменных при заданном значении выходной переменной. связи могут быть количественно охарактеризованы математическим ожи- При отсутствии какой-либо другой информации математические данием вероятностью значений входных переменных при заданном значе- ожидания условной вероятности рассчитываются на основе комбинацион- нии выходной переменной. ных таблиц (таблиц сопряжённости), включающих выходную и одну из Такая количественная характеристика связей может быть построена входных переменных. Столбцы такой таблицы соответствуют дискретным на основе наблюдений моделируемых систем даже при полном отсутствии значениям входной, а строки — выходной переменной. В клетках таблицы какого-либо априорного знания о характере связей. Однако её достовер- помещается число наблюдений, в которых наблюдались соответствующих ность зависит от количества имеющихся наблюдений моделируемых сис- значения обеих переменных. тем и от точности выполнения условий применимости формализма услов- При этом: ных вероятностей. Часто наличие априорного знания позволяет получить ¨ вероятность выходной переменной оценивается по вышеприве- значительно более точные и достоверные количественные характеристики дённой формуле (в при выполнении заданий данного практикума этот спо- связей. В этом случае создание числовой модели требует более мощных соб применяется редко: см. ниже!); формализмов для представления знаний о связях. ¨ условные вероятности значений входной переменной при извест- На основе наблюдений за поведением изучаемой системы нельзя ных значениях выходной переменной (именно эти вероятности потребуют- сделать полностью достоверное заключение о вероятностях её состояний. ся нам для модели) — по формуле Например, если 18 раз бросить игральную кость, то из того, что единица выпала шесть раз, не следует, что вероятность её выпадания равна 1 3 . nij + 1 , Наблюдаемая частота некоторого значения переменной может быть nj + Q обусловлена различной действительной вероятностью этого значения. Од- 27 28
Страницы
- « первая
- ‹ предыдущая
- …
- 12
- 13
- 14
- 15
- 16
- …
- следующая ›
- последняя »