人工智能(AI)1314章作业参考答案.docVIP

不确定知识处理 13.1 根据基本原理证明：。 参考解答：此处“基本原理”是指条件概率的定义，，以及逻辑“与”的定义。因此认为给定了成立，则A必定为真是不足以完成证明的。应从上述两个定义出发，由，且满足交换律和结合率，则有： 得证。 13.6 给定如图13.3所示的全联合分布，计算下列式子： 0.108 0.012 0.072 0.008 0.016 0.064 0.144 0.576 a. b. c. d. 参考解答：本习题的主要目的在于熟练掌握一个基本的机理，即任何对该领域内的问题的答案都可以通过全联合概率分布的某些项相加得到。此外，通过练习可以理解变量符号和(即课本中的粗体P)、大写和小写开头(如和)的具体含义和区别。 a. 即询问为真的概率. b. 即询问随即变量的概率值向量(即该随即变量取不同的值的概率)。对于，有两个值，按照的顺序给出。通过以下4项相加得到，因此有： c. 即询问在给定为真的条件下，的概率值向量。 d. 即问在给定或为真的条件下，的概率值向量。首先计算 然后计算 13.7 证明公式(13.8)中的独立性的3种形式是等价的，即两个命题和之间的独立性可以写作： 或者或者 参考解答：由第1个式子，两边乘上得 由乘法法则有 因此可得第3个式子 所以第1个式子蕴涵第3个式子； 通过和上述过程相反的处理，同样是应用乘法法则，在第3式两边同除以，即可证明当不为零时，有第3式蕴涵第1式（而当为零时，条件概率无定义）。 所以得证第1式与第3式等价。 同理按照以上方法，在过程中以代替，即可证明第2式和第3式等价。 因此，得证三个式子等价。 13.8 在一年一度的体检之后，医生告诉你一个好消息和坏消息。坏消息是你在一种严重疾病的测试结果呈阳性，而这个测试的准确率为99%(即当确实患这种病时，测试结果呈阳性的概率为0.99，同时也是未患这种疾病时测试结果为阴性的概率)。好消息是，这是一种很罕见的病，在你这个年龄段大约10000人中才有1例。为什么“这种病很罕见”对于你而言是一个好消息？你确实患有这种病的概率是多少？ 参考解答：由题意我们得到以下信息 以及观察。病人所关心的是，即测试结果为阳性，患病的概率多大？大概来说，“这种病很罕见”是一个好消息，原因在于与是成比例的，因此低的先验概率将意味着有个很低的值。大约来看，如果10,000人进行测试，将会有1人确实患有该疾病，而且极有可能其测试为阳性，然而在其余没有患病的人里面，却会有1%（大约100人）的测试结果为阳性，因此将大约为1/100。精确的计算，依据贝叶斯定理有： 其中的意义在于，当一种疾病很罕见，其概率远小于测试准确率时，则测试结果呈阳性并不意味着得病的可能性。对测试阳性的错误解读会认为得病的可能性很大，其实不然。 和以上思路类似的有另外一个例子：医生说当一个婴儿仰卧着的时候，如果它的头更多转向右侧，则是习惯用右手；如果更多时候转向左侧的话，则是一个左撇子。宝宝小明在躺着的时候，小脑袋更多时候是转向左侧；且已知有90%的人习惯用右手。那么当以上所述的测试准确率为90%的时候，宝宝小明习惯用右手的概率是多少？如果测试准确率为80%，那它习惯右手的概率又是多少呢？ 按照同样的推理过程，可以得到当测试准确率为90%时，宝宝小明习惯用右手的概率为50%；如果测试准确率为80%的话，它习惯右手的概率为69%。 13.11 假设给你一只装有个无偏差硬币的袋子，并且告诉你其中个硬币是正常的，一面是正面一面是反面。不过剩余1枚硬币是伪造的，它的两面都是正面。 a. 假设你把手伸进口袋均匀随即地取出一枚硬币，把它抛出去，并发现硬币落地后正面朝上。那么你拿到伪币的（条件）概率是多少？ b. 假设你不停地抛这枚硬币，拿到它之后一共抛了次而且看到次正面朝上。那么现在你拿到伪币的条件概率是多少？ c.假设你希望通过把取出的硬币抛掷次的方法来确定它是不是伪造的。如果次抛掷后都是正面朝上，那么决策过程返回（伪造），否则返回（正常）。这个过程发生错误的（无条件）概率是多少？ 参考解答： a.一种典型的“计数”方法为如下的过程：取一个硬币会有种不同的取法（有多少个硬币就有多少种取法），一次抛掷有2种结果（尽管对于假币无法区分其抛掷结果的不同），因此共有个原子事件。当然其中只有次是假币，即有次结果为正面。所以在抛掷结果为正面的条件下，假币的概率为。 上述“计数”的解题方法常常会在事件变得复杂时陷入混乱。所以最好使用以下公式: b. 此时有个原子事件，其中次取的是假币，及有次抛掷结果为正面。因此在次正面的条件下，假币的概率为。注意当增加时，结果会向1逼近。例如时，。以公式描述如下： c