Mercurial > latex
changeset 58:861587bd5759
add introduction
author | Markus Kaiser <markus.kaiser@in.tum.de> |
---|---|
date | Sat, 08 Dec 2012 21:41:32 +0100 |
parents | d4c60e26369b |
children | 564988e2790c |
files | bayesian_networks/presentation.tex |
diffstat | 1 files changed, 207 insertions(+), 29 deletions(-) [+] |
line wrap: on
line diff
--- a/bayesian_networks/presentation.tex Sat Dec 08 17:51:32 2012 +0100 +++ b/bayesian_networks/presentation.tex Sat Dec 08 21:41:32 2012 +0100 @@ -1,12 +1,13 @@ -\documentclass[compress]{beamer} +\documentclass[compress, german]{beamer} %,hyperref={pdfpagelabels=false} \usepackage[ngerman,english]{babel} +\uselanguage{German} +\languagepath{German} + \usepackage[T1]{fontenc} \usepackage[utf8]{inputenc} -\usepackage{amsmath} -\usepackage{amsthm} -\usepackage{amsfonts} + \usepackage{helvet} \usepackage{url} \usepackage{listings} @@ -14,6 +15,8 @@ \usepackage{xspace} % Abstand hinter Variablennamen \usepackage{fix-cm} \usepackage{tikz} +\usepackage{tabu} + %\usepackage[square, sort, numbers, authoryear]{natbib} \usepackage{todonotes} \presetkeys{todonotes}{inline}{} @@ -47,9 +50,6 @@ \pgfdeclarelayer{background} \pgfdeclarelayer{midground} \pgfsetlayers{background,midground,main} -\tikzstyle{vertex}=[circle,draw,fill=blue!25,minimum size=20pt,inner sep=0pt] -\tikzstyle{selected vertex} = [vertex, fill=red!50] -\tikzstyle{small vertex} = [vertex, minimum size=12pt] \tikzstyle{edge} = [draw,thick,-] \tikzstyle{tree edge} = [draw,very thick,->] \tikzstyle{left edge} = [draw,thick,->, blue] @@ -57,6 +57,12 @@ \tikzstyle{back edge} = [draw,dashed,arrows={-latex}] \tikzstyle{selected edge} = [draw,line width=5pt,-,red!50] +\tikzstyle{net node} = [ellipse, draw, thick, fill=tumblue!20, + minimum width=6em, minimum height=2em, + node distance=9em] +\tikzstyle{net cpt} = [draw, thick, fill = tumgreen!20, + font=\scriptsize, node distance=3em, + inner xsep = 0, inner ysep = 2pt] \title{Bayesnetze} \subtitle{Seminar ``Kognitive Robotik''} @@ -89,49 +95,221 @@ % \tableofcontents %\end{frame} -\begin{frame} +\begin{frame}[t] \frametitle{Motivation} - \todo{Unsicheres Wissen} - \todo{Aussagenlogik} - \todo{Einführen von Wahrscheinlichkeiten} - \todo{Medizinbeispiel} + Wissen ist selten \alert{sicher} oder vollständig. + + \vspace{1em} + + \begin{example} [Medizinische Diagnose] + Software soll mögliche Ursachen für Beschwerden finden. + \begin{center} + \begin{columns}[c] + \begin{column}{.35\textwidth} + \begin{itemize} + \item Vorgeschichte + \item Symptome + \item Testergebnisse + \end{itemize} + \end{column} + \begin{column}{.10\textwidth} + \begin{figure} + \begin{tikzpicture}[auto] + \useasboundingbox (0, 0.5) rectangle (1, -0.5); + \draw[->, >=latex, line width=.35em, black!75] (0,0) -- (1,0); + \end{tikzpicture} + \end{figure} + \end{column} + \begin{column}{.35\textwidth} + \begin{itemize} + \item Diagnose + \item Therapie + \end{itemize} + \end{column} + \end{columns} + \end{center} + \end{example} + + Mögliche Unsicherheiten + \begin{itemize} + \item Vorgeschichte \alert{unvollständig}, Symptome \alert{vage} + \item Symptome und Tests lassen mehrere \alert{Alternativen} zu + \item Das Wissen ist \alert{fehlerbehaftet} + \end{itemize} \end{frame} \begin{frame} + \frametitle{Aussagenlogik} + + \todo{Erschlagen durch Aussagenlogik} + \todo{Klappt nicht mit Unsicherheit} +\end{frame} + +\begin{frame}[c] \frametitle{Wahrscheinlichkeitstheorie} - \todo{Wahrscheinlichkeitsraum, Ereignisse, Dichtefunktion} - \todo{Bedingte Wahrscheinlichkeit, "Alpha"} - \todo{Unabhängigkeit, Bedingte Unabhängigkeit} + + \begin{definition}[Wahrscheinlichkeitsraum] + Ein \alert{Wahrscheinlichkeitsraum} $P$ besteht aus einer Menge von \alert{Elementarereignissen} $\Omega$, \alert{Ereignissen} $A$ und einem \alert{Wahrscheinlichkeitsmaß} $\Pr$. + + \begin{itemize} + \item $A$ ist $\sigma$-Algebra über $\Omega$ + \item $\Pr : A \mapsto [0,1]$ + \item $P = (\Omega, A, \Pr)$ + + \vspace{1em} + + \item $\Pr[\Omega] = 1$ + \item $A \cap B = \emptyset \Rightarrow \Pr[A \cup B] = \Pr[A] + \Pr[B]$ + \end{itemize} + \end{definition} \end{frame} \begin{frame} \frametitle{Wahrscheinlichkeitstheorie} - \todo{Produktsatz} - \todo{Satz über die vollständige Wahrscheinlichkeit} + + \begin{definition}[Bedingte Wahrscheinlichkeit] + A und B seien Ereignisse mit $\Pr[B] > 0$. Die \alert{bedingte Wahrscheinlichkeit} von A unter der Bedingung B ist dann + $$\Pr[A\mid B] = \frac{\Pr[A \cap B]}{\Pr[B]}$$ + \end{definition} + + \begin{definition}[Unabhängigkeit] + Zwei Ereignisse A und B sind \alert{unabhängig} wenn gilt + $$\Pr[A \cap B] = \Pr[A] \cdot \Pr[B] = \Pr[A \mid B] \cdot \Pr[B]$$ + \end{definition} \end{frame} -\begin{frame} - \frametitle{Satz von Bayes} - \todo{Satz von Bayes} - \todo{Beispiel} +\begin{frame}[c] + \frametitle{Wahrscheinlichkeitstheorie} + + \begin{theorem}[Produktsatz] + Für unabhängige Ereignisse $A_i$ gilt + + $$\Pr\left[ \bigcap_{i=1}^n A_i \right] = + \prod_{i=1}^n \Pr \left[ A_i \left| \bigcup_{k=1}^{i-1} \right.\right]$$ + \end{theorem} + Also zum Beispiel + $$\Pr[A,B,C] = \Pr[A \mid B, C] \cdot \Pr[B \mid C] \cdot \Pr[B]$$ + und + $$\Pr[A \mid B] = \frac{\Pr[A, B]}{\Pr[B]} = \alert{\alpha} \cdot \Pr[A,B]$$ \end{frame} -\begin{frame} - \frametitle{Mehrdimensionales} - \todo{Allgemeine Dichtefunktion} - \todo{Joint Distribution (+ Probleme)} - \todo{Mit Unabhängigkeit} +\begin{frame}[c] + \frametitle{Wahrscheinlichkeitstheorie} + + \begin{theorem}[Satz über die totale Wahrscheinlichkeit] + Sind die Ereignisse $A_i$ paarweise disjunkt und möglich, dann gilt für ein Ereignis $B$ mit $\Pr[B] > 0$ + $$\Pr[B] = \sum_{i=1}^n \Pr[B \mid A_i] \cdot \Pr[A_i]$$ + \end{theorem} + + \begin{theorem} [Satz von Bayes] + Für zwei Ereignisse $A$ und $B$ mit $\Pr[B] > 0$ ist + $$\Pr[A \mid B] = \frac{\Pr[B \mid A] \cdot \Pr[A]}{\Pr[B]}$$ + \end{theorem} \end{frame} \begin{frame} \frametitle{Unabhängiges Beispiel} - \todo{Beispiel: Tagesablauf} - \todo{Situationsbeschreibung, Medizin?} - \todo{Beispielrechnung} + + \begin{example}[Nachmittagsplanung] + Ich habe einen Nachmittag lang Zeit. Ich könnte \alert{Lebensmittel kaufen}, \alert{Sport machen} oder \alert{Lernen}. Ich habe genug Zeit für alle drei. Da ich ein sehr unentschlossener Mensch bin \alert{würfle} ich mittags - als echter Informatiker - mit einem \alert{W20}. + \end{example} + + \vspace{2em} + + \begin{figure} + \begin{tikzpicture} + \node [net node] (sport) {Sport}; + \node [net cpt] [below of = sport] + {\begin{tabu}{c} + $\Pr[S]$ \\ \tabucline{-} + $0.4$ \\ + \end{tabu}}; + + \node [net node] (kaufen) [left of = sport] {Kaufen}; + \node [net cpt] [below of = kaufen] + {\begin{tabu}{c} + $\Pr[K]$ \\ \tabucline{-} + $0.5$ \\ + \end{tabu}}; + + \node [net node] (lernen) [right of = sport] {Lernen}; + \node [net cpt] [below of = lernen] + {\begin{tabu}{c} + $\Pr[L]$ \\ \tabucline{-} + $0.2$ \\ + \end{tabu}}; + \end{tikzpicture} + \end{figure} +\end{frame} + +\begin{frame}[t] + \frametitle{Unabhängiges Beispiel} + + \begin{figure} + \begin{tikzpicture} + \node [net node] (sport) {Sport}; + \node [net cpt] [below of = sport] + {\begin{tabu}{c} + $\Pr[S]$ \\ \tabucline{-} + $0.4$ \\ + \end{tabu}}; + + \node [net node] (kaufen) [left of = sport] {Kaufen}; + \node [net cpt] [below of = kaufen] + {\begin{tabu}{c} + $\Pr[K]$ \\ \tabucline{-} + $0.5$ \\ + \end{tabu}}; + + \node [net node] (lernen) [right of = sport] {Lernen}; + \node [net cpt] [below of = lernen] + {\begin{tabu}{c} + $\Pr[L]$ \\ \tabucline{-} + $0.2$ \\ + \end{tabu}}; + \end{tikzpicture} + \end{figure} + + \vspace{1em} + \only<1>{ + Wie groß ist die Wahrscheinlichkeit, + \vspace{1em} + \begin{itemize} + \item dass ich \alert{lerne}, \alert{einkaufen} gehe, aber \alert{keinen Sport} mache? + $$\Pr[K, \neg S, L] = \Pr[K] \cdot \Pr[\neg S] \cdot \Pr[L] = 0.5 \cdot 0.6 \cdot 0.2 = 0.06$$ + + \item dass ich \alert{nicht lerne}, aber \alert{Sport mache}? + $$\Pr[S, \neg L] = \sum_k \Pr[k] \cdot \Pr[S] \cdot \Pr[\neg L] = \Pr[S] \cdot \Pr[\neg L] = 0.32$$ + \end{itemize} + } + + \only<2>{ + \begin{itemize} + \item Alle möglichen Belegungen lassen sich in einer gemeinsamen Verteilung (joint distribution) darstellen. + \item Für \alert{$n$} binäre Zufallsgrößen hat diese aber \alert{$2^n$} Einträge. + \end{itemize} + + \begin{center} + \begin{tabu}{|ccc|[2pt]c||ccc|[2pt]c|} + \hline + K & S & L & $\Pr$ & K & S & L & $\Pr$ \\ + \tabucline[2pt]{-} + f & f & f & 0.24 & t & f & f & 0.24 \\ + \hline + f & f & t & 0.06 & t & f & t & 0.06 \\ + \hline + f & t & f & 0.16 & t & t & f & 0.16 \\ + \hline + f & t & t & 0.04 & t & t & t & 0.04 \\ + \hline + \end{tabu} + \end{center} + } \end{frame} \begin{frame} \frametitle{Abhängigkeiten} + \todo{Eine weitere Größe die alles kaputt macht} \todo{Bedingte Unabhängigkeit} \end{frame}