6. Метод центра тяжести дефазификации

Нечеткое множество каждого терморешения усекается по уравнению истинности.

1. Решение.

На второй схеме все нечеткие множества решения объединяются в одно, по правилу максимума.

2. Решение.

3. Решение

Находим центр тяжести для объединения.

6. Контроллер мамдами

Мы рассматриваем систему с n входами   с доменами   и одной управляющей переменной y с доменом Y. Чтобы создать подходящие правила для базы данных (БД) нечеткого контроллера, множества   и Y должны быть нечетко разделены, то есть на множестве  .

Обычно множества   определяются интервалом действительных чисел, а сами нечеткие множества определяются треугольными функциями

где   - наибольшее значение х;  .

На границах интервала [a,b]:

11.Условная вероятность.Формула Байеса.Полная вероятность Условная вероятность

Случайное событие определено как событие, которое при осуществлении совокупности условий эксперимента может произойти или не произойти. Если при вычислении вероятности события никаких других ограничений, кроме условий эксперимента, не налагается, то такую вероятность называют безусловной; если же налагаются и другие дополнительные условия, то вероятность события называют условной. Например, часто вычисляют вероятность события В при дополнительном условии, что произошло событие А.

Условной вероятностью   (два обозначения) называют вероятность события В, вычисленную в предположении, что событие А уже наступило.

Вероятность совместного появления двух зависимых событий равна произведению вероятности одного из них на условную вероятность второго, вычисленную при условии, что первое событие произошло, т.е.

.

В частности, отсюда получаем  .

Пример. В урне находятся 3 белых шара и 2 черных. Из урны вынимается один шар, а затем второй. Событие В – появление белого шара при первом вынимании. Событие А – появление белого шара при втором вынимании.

Решение. Очевидно, что вероятность события А, если событие В произошло, будет  .  Вероятность события А при условии, что событие В не произошло, будет  .

Формула Байеса:

,

где

 — априорная вероятность гипотезы A (смысл такой терминологии см. ниже);

 — вероятность гипотезы A при наступлении события B (апостериорная вероятность);

 — вероятность наступления события B при истинности гипотезы A;

 — полная вероятность наступления события B.

Формула Байеса позволяет «переставить причину и следствие»: по известному факту события вычислить вероятность того, что оно было вызвано данной причиной.

Условная вероятность — вероятность одного события при условии, что другое событие уже произошло.

Пусть   — фиксированное вероятностное пространство. Пусть   суть два случайных события, причём  . Тогда условной вероятностью события   при условии события   называется

.

12. Байесовские сети доверия

Байесовская сеть (или Байесова сеть, Байесовская сеть доверия) — это вероятностная модель, представляющая собой множество переменных и их вероятностных зависимостей. Например, байесовская сеть может быть использована для вычисления вероятности того, чем болен пациент по наличию или отсутствию ряда симптомов, основываясь на данных о зависимости между симптомами и болезнями.

Если дуга выходит из вершины A в вершину B, то A называют родителем B, а B называют потомком A. Если из вершины A существует ориентированный путь в другую вершину B, то B называется потомком A, а A называется предком B. Множество вершин-родителей вершины V_i обозначим как parents(V_i) = PA_i.

Направленный ациклический граф G называется Байесовской сетью для вероятностного распределения P(v), заданного над множеством случайных переменных V, если каждой вершине графа поставлена в соответствие случайная переменная из V, а дуги в графе удовлетворяют условию (Марковское условие^[1]): любая переменная V_i из V должна быть условно независима от всех вершин, не являющихся ее потомками, если заданы (получили означивание, обусловлены) все ее прямые родители PA_i в графе G, то есть

∀V_i ∈ V справедливо: P(v_i│pa_i,s) = P(v_i│pa_i),

где v_i — значение V_i; S — множество всех вершин, не являющихся потомками V_i; s — конфигурация S; pa_i — конфигурация PA_i.

Тогда полное совместное распределение значений в вершинах можно удобно записать в виде декомпозиции (произведения) локальных распределений:

Если у вершины V_i нет предков, то её локальное распределение вероятностей называют безусловным, иначе условным. Если вершина - случайная переменная получила означивание (например, в результате наблюдения), то такое означивание называют свидетельством (англ. evidence). Если значение переменной было установлено извне (а не наблюдалось), то такое означивание называется вмешательством (англ. action) или интервенцией (англ. intervention)^[1].

Вероятностные запросы

Байесовская сеть позволяет получить ответы на следующие типы вероятностных запросов^[2]:

• нахождение вероятности свидетельства,

• определение априорных маргинальных вероятностей,

• определение апостериорных маргинальных вероятностей, включая:

прогнозирование, или прямой вывод, — определение вероятности события при наблюдаемых причинах,

диагностирование, или обратный вывод (абдукция), — определение вероятности причины при наблюдаемых следствиях,

межпричинный (смешанный) вывод (intercausal inference) или трансдукция, — определение вероятности одной из причин наступившего события при условии наступления одной или нескольких других причин этого события.

• вычисление наиболее вероятного объяснения наблюдаемого события (Most probable explanation, MPE),

• вычисление апостериорного максимума (Maximum a-posteriori, MAP).

Байесовские сети используются для моделирования в биоинформатике (генетические сети, структура белков), медицине, классификации документов, обработке изображений, обработке данных и системах поддержки принятия решений.

Теорема Байеса, Формула Байеса — одна из основных теорем элементарной теории вероятностей, которая определяет вероятность того, что произошло какое-либо событие (гипотеза), имея на руках лишь косвенные тому подтверждения (данные), которые могут быть неточны. Названа в честь ее автора, преп. Реверенда Томаса Байеса (посвященная ей работа «An Essay towards solving a Problem in the Doctrine of Chances» впервые опубликована в 1763 году, через 2 года после смерти автора). Полученную по формуле вероятность можно далее уточнять, принимая во внимание данные новых наблюдений.Психологические эксперименты показали, что люди при оценках вероятности игнорируют различие априорных вероятностей (ошибка базовой оценки), и потому правильные результаты, получаемые по теореме Байеса, могут очень отличаться от ожидаемых. Формула Байеса: гдеP(A) — априорная вероятность гипотезы A (смысл такой терминологии см.;P(A | B) — вероятность гипотезы A при наступлении события B (апостериорная вероятность);P(B | A) — вероятность наступления события B при истинности гипотезы A;

P(B) — вероятность наступления события B.

Условная вероятность — вероятность одного события при условии, что другое событие уже произошло.

Условной вероятностью события A при условии, что произошло событие B , называется число: Условная вероятность определена только в случае, когда