Artificial Intelligence
Minggu 5
Sesi 6
Quantifying Uncertainty
Dasar teori keputusan adalah bahwa seorang agen rasional jika hanya jika
memilih tindakan yang menghasilkan utilitas yang diharapkan tertinggi,
dirata-ratakan dari semua kemungkinan hasil tindakan. Disebut Called
maximum expected utility (MEU).
Perbedaan utama adalah bahwa kepercayaan-agen teori-theoretic mewakili
tidak hanya kemungkinan untuk negara-negara dunia tetapi juga probabilitas
mereka. Dengan adanya kepercayaan, agen dapat membuat prediksi
probabilitas dari hasil tindakan dan karenanya memilih tindakan dengan
utilitas tertinggi yang diharapkan.
Merangkum Ketidakpastian
Pernyataan probabilistik merangkum efek dari
Kemalasan: kegagalan untuk menghitung pengecualian, kualifikasi, dll.
Ketidaktahuan: kurangnya fakta yang relevan, kondisi awal, dll.
Probabilitas subyektif:
Probabilitas menghubungkan proposisi dengan status pengetahuan agen
sendiri
misalnya, P (A25 | tidak melaporkan kecelakaan) = 0,06
Ini bukan pernyataan tentang dunia
Probabilitas proposisi berubah dengan bukti baru:
misalnya, P (A25 | tidak melaporkan kecelakaan, 5 a.m.) = 0,15
Aturan produk mungkin lebih mudah diingat: itu berasal dari kenyataan
bahwa, untuk a dan b menjadi kenyataan, kita membutuhkan b untuk
menjadi kenyataan, dan kita juga membutuhkan sesuatu untuk diberikan
secara benar b.
Permutasi dan Kombinasi
Jika Anda memiliki koleksi n objek yang dapat dibedakan, maka jumlah
cara yang dapat Anda gunakan untuk memilih nomor r (r <n) diberikan
oleh hubungan permutasi dan kombinasi:
Misalnya, jika Anda memiliki enam orang untuk bermain tenis, maka
jumlah pasangan untuk bermain tenis single adalah
Probabilitas basic
Jadi menarik lima kartu dari satu setelan yang dipilih adalah kejadian
langka dengan probabilitas sekitar satu di tahun 2000.
Gerbang logika
Jika kejadian terkait oleh logika AND, probabilitas resultan adalah
produk dari probabilitas individu. Jika Anda ingin probabilitas
melempar dengan harapan total angka keluar 7 dengan sepasang dadu
AND melempar dengan harapan yang lain total angka keluar 7 pada
lemparan kedua, maka probabilitasnya adalah produk.
Contoh :
Untuk 100 anak, tanyakan "apa arti lampu lalu lintas", dan jawabannya
adalah:
75 anak tahu arti lampu merah
35 anak tahu arti lampu kuning
50 anak tahu arti keduanya
Untuk setiap proposisi φ, sebutkan kejadian atom di mana itu benar: P (φ) =
Σω: ω╞φ P (ω)
P(cavity toothache)
= 0.108 + 0.012 + 0.072 + 0.008 + 0.016 + 0.064 = 0.28
o Normalisasi
3. Independence
Dengan menambahkan variabel keempat, Weather. Distribusi bersama
penuh kemudian menjadi P (Toothache, Catch, Cavity, Weather), yang
memiliki 2 × 2 × 2 × 4 = 32 entri.
Hubungan apa yang dimiliki edisi ini dengan satu sama lain dan tabel tiga
variabel aslinya? Misalnya, bagaimana P (toothache, catch, cavity, cloudy)
dan P (toothache, catch, cavity) terkait? Kita bisa menggunakan aturan
produk:
Persamaan yang sama ada untuk setiap entri masuk P(Toothache , Catch ,
Cavity , Weather ). Sebenarnya, kita bisa menulis persamaan umum.
Pernyataan ekuivalen:
o P (Toothache | Catch, Cavity) = P (Toothache | Cavity)
o P (Toothache, Catch | Cavity) = P (Toothache | Cavity) P (Catch | Cavity)
å P( E / H
n =1
n ) * P( H n )
Contoh 1:
Vany memiliki onset gejala seperti bintik-bintik di wajah. Dokter
mendiagnosis bahwa Vany terkena cacar air dengan kemungkinan:
o Kemungkinan munculnya bintik-bintik di wajah, jika Vany terkena cacar
air, p (bintik / cacar air) = 0,8
o Probabilitas Vany terkena cacar air tanpa pemberitahuan adanya gejala,
p (cacar air) = 0,4
o Kemungkinan munculnya bintik-bintik di wajah, jika Vany mendapat
alergi, p (bintik / alergi) = 0,3
p(chickenpox/spots) =
(0,8) * (0,4) 0,32
= = 0,327
(0,8) * (0,4) + (0,3) * (0,7) + (0,9) * (0,5 0,98
Contoh 2 :
Problem: Marie akan menikah besok, di sebuah upacara luar di padang
pasir. Dalam beberapa tahun terakhir, hujan turun hanya 5 hari setiap
tahunnya. Sayangnya, cuaca telah meramalkan hujan untuk hari esok. Bila
benar-benar hujan, petugas cuaca dengan benar memperkirakan hujan 90%
dari waktu. Bila tidak hujan, ia salah memperkirakan hujan 10% dari waktu.
Berapakah kemungkinan hujan di hari pernikahan Marie?
Solusi: Ruang sampel didefinisikan oleh dua peristiwa yang saling eksklusif
- hujan atau hujan. Selain itu, acara ketiga terjadi saat petugas cuaca
memprediksi hujan. Notasi untuk kejadian ini muncul di bawah ini.
Acara A1. Hujan pada pernikahan Marie.
Acara A2. Itu tidak hujan pada pernikahan Marie.
Acara B. Penjaga cuaca memprediksi hujan.
Dalam hal probabilitas, kita mengetahui hal berikut:
o P (A1) = 5/365 = 0,0136985 [Hujan turun 5 hari dari tahun ini.]
o P (A2) = 360/365 = 0,9863014 [Itu tidak hujan 360 hari dari tahun.]
Dua sisi kanan dan membagi dengan P (a), dapatkan peraturan Bayes:
Perceive sebagai bukti efek dari beberapa penyebab yang tidak diketahui
dan untuk menentukan penyebabnya. Aturan Bayes menjadi: