„Intelligens rendszerek laboratórium 1 - 4. Ellenőrző kérdések” változatai közötti eltérés

A VIK Wikiből
Ugrás a navigációhoz Ugrás a kereséshez
(Új oldal, tartalma: „{{vissza|Intelligens rendszerek laboratórium 1}} ; Írja fel a feltételes valószínűség definícióját! ; Írja fel a Bayes tételt! ; Gráfelméleti szempontbó…”)
 
a (Első két kérdés megválaszolása)
2. sor: 2. sor:
  
 
; Írja fel a feltételes valószínűség definícióját!
 
; Írja fel a feltételes valószínűség definícióját!
 +
 +
Legyen <math>A</math> és <math>B</math> két esemény, <math> P(B)>0</math>. Ekkor az <math> A</math> esemény <math>B</math>-re vonatkozó feltételes valószínűségén a
 +
 +
<math>P(A\vert B)=\frac{P(A \cdot B)}{P(B)}</math>
 +
mennyiséget értjük.
 +
 
; Írja fel a Bayes tételt!
 
; Írja fel a Bayes tételt!
 +
A tétel azt állítja, hogy ha ismert az <math>A</math> és <math>B</math> események valószínűsége, és a <math>P(B\vert A)</math> feltételes valószínűség, akkor
 +
 +
<math>    P(A\vert B) = \frac{P(B \vert A) \cdot P(A)}{P(B)}</math>
 +
 
; Gráfelméleti szempontból mi egy Bayes-háló? [gráfelméleti fogalom]
 
; Gráfelméleti szempontból mi egy Bayes-háló? [gráfelméleti fogalom]
 
; Mik egy Bayes-hálóban egy változó gyermekei és szülei, továbbá mikor a priori egy változó?
 
; Mik egy Bayes-hálóban egy változó gyermekei és szülei, továbbá mikor a priori egy változó?

A lap 2016. március 31., 11:34-kori változata

← Vissza az előző oldalra – Intelligens rendszerek laboratórium 1
Írja fel a feltételes valószínűség definícióját!

Legyen [math]A[/math] és [math]B[/math] két esemény, [math] P(B)\gt 0[/math]. Ekkor az [math] A[/math] esemény [math]B[/math]-re vonatkozó feltételes valószínűségén a

[math]P(A\vert B)=\frac{P(A \cdot B)}{P(B)}[/math] mennyiséget értjük.

Írja fel a Bayes tételt!

A tétel azt állítja, hogy ha ismert az [math]A[/math] és [math]B[/math] események valószínűsége, és a [math]P(B\vert A)[/math] feltételes valószínűség, akkor

[math] P(A\vert B) = \frac{P(B \vert A) \cdot P(A)}{P(B)}[/math]

Gráfelméleti szempontból mi egy Bayes-háló? [gráfelméleti fogalom]
Mik egy Bayes-hálóban egy változó gyermekei és szülei, továbbá mikor a priori egy változó?
Mit értünk feltételes függetlenség alatt Bayes-hálók esetén?
Mire jók a Bayes-hálók?
Milyen elemekből épülnek fel a Bayes-hálók? [felsorolás]
Mit értünk egy Bayes-hálós változó/csomópont Markov-határán?
Mit értünk következtetés alatt Bayes-hálók esetén?
Mit értünk evidencia alatt egy Bayes-hálóban?
Adjon példát egyszerűbb (min. 4 csomópontból álló) értelmes Bayes-hálóra [magyarázattal]!
Elsősorban mire való a BNet szoftver?
Milyen multi-ágens szcenárióban és milyen célból használunk a Bayes-hálókat a laborgyakorlat során? [rövid leírás]
Hogyan teremtünk kapcsolatot a BNet és a JADE között?
Milyen formában olvassák be a laborgyakorlat JADE-es ágensei a BNet-es Bayes-hálókat?
Mire szolgál a laborgyakorlat orvos ágenseinek Bayes-hálójában az aggregatedDiagnoses változó/csomópont?
Mire való és mit tartalmaz a laborgyakorlat JADE-es ágenseinek indításakor megadandó konfigurációs fájl?
Milyen tartalmú üzeneteket küldenek egymásnak a laborgyakorlat JADE-es ágensei? [főbb tartalmi elemek szöveges összefoglalása]
Mire szolgál a DoctorAgent aggregateDiagnoses metódusa?
Soroljon fel legalább 5 bináris változót, amely a laborgyakorlat során az Influenza tárgyterületet jellemzi?