Clarification du réseau Bayes

Question

J'essaie d'apprendre le réseau Bayes et j'ai un problème sur lequel j'aimerais avoir des éclaircissements.

Compte tenu de la table

CPT

Qu'est-ce que la p (Agression = Haut | Anger = En partie, Hostilité = Oui) être? Ma réponse est 0.5. Mon processus de pensée est que la colère et l'hostilité dépendent, donc selon l'information donnée, la probabilité de la colère en partie et de l'hostilité est de 0,5.

L'agression est indépendante des deux, donc ce serait juste P (agression) * 0.5 = 0.5.

Serait-ce une supposition correcte?

Answer 1

Réponse courte: Ma valeur pour p(Aggression=high|Anger=Partly,Hostility=Yes) est 100%.

Si l'agression était indepent de Hostilité et la colère, il ne serait pas question quelle preuve vous avez. Donc p (Agression) était le maximum des 3 valeurs p (Agg = faible), p (Agg = élevé), p (Agg = très élevé).

Cependant le tableau 3 * 9 implique p (Agg) = p (Hos, Ang) et il est pas indépendant.

J'ai essayé de modéliser votre CPT (table supérieure) avec le logiciel gratuit "Samiam".
Ce faisant, j'ai entré les valeurs du CPT pour le nœud Agression dans Samiam. Pour les prieurs: Je suppose que quelqu'un est dans la colère 5% du temps, partiellement fâché 15% du temps, et 80% pas fâché; et hostile 10% du temps, en partie hostile 30% ou non hostile 60% du temps.

Voir les screenshots:

valeurs de la table pour l'agression Noeud:

avec des preuves Observé - Valeur d'agression = Haut monte à 100%:

J'ai aussi joint le fichier samiam:

net 
{ 
    propagationenginegenerator1791944048146838126L = "edu.ucla.belief.approx.BeliefPropagationSettings@20ece334"; 
    recoveryenginegenerator6944530267470113528l = "edu.ucla.util.SettingsImpl@49f77e1b"; 
    node_size = (130.0 55.0); 
    huginenginegenerator3061656038650325130L = "edu.ucla.belief.inference.JoinTreeSettings@71a1d859"; 
} 

node Aggression 
{ 
    states = ("Low" "High" "VeryHigh"); 
    position = (268 -263); 
    diagnosistype = "AUXILIARY"; 
    DSLxSUBMODEL = "Root Submodel"; 
    ismapvariable = "false"; 
    ID = "variable2"; 
    label = "Aggression"; 
    DSLxEXTRA_DEFINITIONxDIAGNOSIS_TYPE = "AUXILIARY"; 
    excludepolicy = "include whole CPT"; 
} 
node Anger 
{ 
    states = ("no" "partly" "yes"); 
    position = (118 -48); 
    diagnosistype = "AUXILIARY"; 
    DSLxSUBMODEL = "Root Submodel"; 
    ismapvariable = "false"; 
    ID = "variable0"; 
    label = "Anger"; 
    DSLxEXTRA_DEFINITIONxDIAGNOSIS_TYPE = "AUXILIARY"; 
    excludepolicy = "include whole CPT"; 
} 
node Hostility 
{ 
    states = ("No" "Partly" "Yes"); 
    position = (351 -46); 
    diagnosistype = "AUXILIARY"; 
    DSLxSUBMODEL = "Root Submodel"; 
    ismapvariable = "false"; 
    ID = "variable1"; 
    label = "Hostility"; 
    DSLxEXTRA_DEFINITIONxDIAGNOSIS_TYPE = "AUXILIARY"; 
    excludepolicy = "include whole CPT"; 
} 
potential (Aggression | Anger Hostility) 
{ 
    data = ((( 1.0 0.0 0.0) 
     ( 0.5 0.5 0.0) 
     ( 0.5 0.0 0.5)) 
     (( 0.5 0.5 0.0) 
     ( 0.5 0.5 0.0) 
     ( 0.0 1.0 0.0)) 
     (( 0.5 0.0 0.5) 
     ( 0.0 0.5 0.5) 
     ( 0.0 0.0 1.0))); 
} 
potential (Anger |) 
{ 
    data = ( 0.8 0.15 0.05 ); 
} 
potential (Hostility |) 
{ 
    data = ( 0.6 0.3 0.1); 
}