正在加载图片...
第2期 郑淑贤,等:决策形式背景下的主观贝叶斯概率推理 ·237. 于是 则有 P(D4/A:)(1-P(Da)=Ls·P(Da)(1- 0(D4/A:)=Lw·O(Da) (10) P(D/A:)P(D./A:)[(Ls-1)P(D)+1]= Lw·P(Da) Ls·P(D)》 (11) 即得式(4),证毕。 P(D/A.)=(Ls-1)P(Da)+1 式中: 定理2充分似然率L对P(D/A;)的影响为 1)Ls=1时,P(Da/A:)=P(Da),即i-条件属 P(D/A)P(D/A;) 0(D./-A:)= 性对决策属性d的可信度无影响: P(D4/A:)1-P(D4/A) 2)Ls>1时,P(D/A:)>P(D),即i-条件 证明 仿定理1可证。 属性增加决策属性d的可信度; 定理4必然似然率L,对P(D/A,)的影响为: 3)Ls<1时,P(D/A:)<P(D),即i-条件 1)Lw=1时,P(D/A:)=P(D),即非i-条件 属性减少决策属性d的可信度。 属性对决策属性d的可信度无影响: 证明设y=P(D/A;),a=P(D),x=Ls,则 2)Lw>1时,P(D/A:)>P(Da),即非i-条 式(4)成为 件属性增加决策属性d的可信度; y=ax/a(x-1)+1 对x求导即得 3)Lw<1时,P(D/A:)<P(Da),即非i-条 y=ala(-1)+1-=a(1-a) 件属性减少决策属性d的可信度。 [a(x-1)+1]2[a(x-1)+1]2 证明仿定理3.2可证。 主观贝叶斯概率推理为决策形式背景中的条件 若0<a<1,则y>0,即y是x的增函数,当 属性和决策属性间的关系讨论提供了一种简便的方 x=1时,y=a。于是Ls=1时,P(D,/A)=P(D), 同理可证(2)和(3),证毕。 法,计算在一定条件属性下决策成立的可信度,主要 例1一个关于人体健康状况的信息系统如表 根据专家的经验知识给出充分似然率与必然似然 1,其中U={x1,x2,x3,x4,x5,x6},A={a1,a2,a3}, 率,由式(1)、(2)得 D={d;,d成立表示人体健康,d不成立表示人体不 1-L·P(A,/D) LN=- 健康。 1-P(A:/Da) 表1关于人体健康的决策表 故可得到以下结论: Table 1 A decision table related to health 1)L=1,当且仅当Lw=1; d 2)L≠1(Lw≠1),时必有(Ls-1)(Lw-1)<0: 1 1 0 1 3)当P(D/A:)=0时,必有P(A,/D)=0,于是 2 1 0 1 0 L、=0,即对象具有i-条件属性时决策属性d必然 X3 0 0 1 1 不成立; 4 0 1 4)当P(D,/A)=0时,必有P(A,/D)=0,于是 0 0 1 0 0 0 1 1 L、=0,即对象具有非i-条件属性时决策属性d必 然不成立: 显然(U,A,I,D,J)是决策形式背景,Da= {x1,x3,x4,x6},P(D)=2/3,对于3-条件属性A3, 5)当1<L<o且L越大,P(A,/D)越大,从 而P(D/A:)越大,于是L、越大时,对象具有i-条件 有A3={a3},则A3={a1,a2}。若专家给出L、=1, 属性时对决策属性d的确定越有利: 于是P(D/A3)=2/3=P(Da),也就说明了a这项 指标对人体健康状况无影响;L,>1,于是 6)当1<L、<o且Lw越大,P(A,/D)越大,从 P(D,/A)>2/3=P(D),也就说明了a,这项指标 而P(D,/A:)越大,于是Lw越大时,对象具有非i 可以使人体更加健康;L<1,于是P(D/A)< 条件属性时对决策属性d的确定越有利。 2/3=P(D),也就说明了a3这项指标危害人体健 由于在主观贝叶斯概率推理中,L、和L,是专家根 康。通过以上的讨论可以看出指标a与人体健康 据经验主观给出的,在给出L、和L、时必须充分理解它 状况的关系受到专家主观给出的L、的影响,也就是 们的实际意义,也就是要满足以上6条性质。 说专家自身的主观经验在推理过程中起着至关重要 3基于包含度的概率推理 的作用。 定理3设(U,A,I,D,J)是决策形式背景,其中 在上述推理过程中,利用了由经验给出的充分 A:是条件属性随机变量,D是决策属性随机变量, 似然率与必然似然率计算条件概率P(D,/A)和于是 P(Dd / Ai)(1 - P(Dd )) = LS·P(Dd )(1 - P(Dd / Ai))P(Dd / Ai) (LS [ - 1)P(Dd ) + 1] = LS·P(Dd ) 即得式(4),证毕。 定理 2 充分似然率 LS 对 P(Dd / Ai) 的影响为 1) LS = 1 时, P(Dd / Ai) = P(Dd ), 即 i ⁃条件属 性对决策属性 d 的可信度无影响; 2) LS > 1 时, P(Dd / Ai) > P(Dd ), 即 i ⁃条件 属性增加决策属性 d 的可信度; 3) LS < 1 时, P(Dd / Ai) < P(Dd ), 即 i ⁃条件 属性减少决策属性 d 的可信度。 证明 设 y = P(Dd / Ai), a = P(Dd ),x = LS , 则 式(4)成为 y = ax / a(x - 1) + 1 对 x 求导即得 y ' = a [a(x - 1) + 1] - a 2 x [a(x - 1) + 1] 2 = a(1 - a) [a(x - 1) + 1] 2 若 0 < a < 1, 则 y ′ > 0, 即 y 是 x 的增函数,当 x = 1 时, y = a。 于是 LS = 1 时, P(Dd / Ai) = P(Dd ), 同理可证(2)和(3),证毕。 例 1 一个关于人体健康状况的信息系统如表 1,其中 U = x1 ,x2 ,x3 ,x4 ,x5 ,x6 { } ,A = a1 ,a2 ,a3 { } , D ={d} ,d 成立表示人体健康, d 不成立表示人体不 健康。 表 1 关于人体健康的决策表 Table 1 A decision table related to health U a1 a2 a3 d x1 1 1 0 1 x2 1 0 1 0 x3 0 0 1 1 x4 0 0 1 1 x5 0 0 1 0 x6 0 0 1 1 显 然 (U,A,I,D,J) 是 决 策 形 式 背 景, Dd = x1 ,x3 ,x4 ,x6 { } , P(Dd ) = 2 / 3, 对于 3⁃ 条件属性 A3 , 有 A3 = a3 { } , 则 A - 3 = a1 ,a2 { } 。 若专家给出 LS = 1, 于是 P(Dd / A3 ) = 2 / 3 = P(Dd ), 也就说明了 a3 这项 指标 对 人 体 健 康 状 况 无 影 响; LS > 1, 于 是 P(Dd / A3 ) > 2 / 3 = P(Dd ), 也就说明了 a3 这项指标 可以使人体更加健康; LS < 1, 于是 P(Dd / A3 ) < 2 / 3 = P(Dd ), 也就说明了 a3 这项指标危害人体健 康。 通过以上的讨论可以看出指标 a3 与人体健康 状况的关系受到专家主观给出的 LS 的影响,也就是 说专家自身的主观经验在推理过程中起着至关重要 的作用。 定理 3 设 (U,A,I,D,J) 是决策形式背景,其中 Ai 是条件属性随机变量, Dd 是决策属性随机变量, 则有 O(Dd / A - i) = LN·O(Dd ) (10) P(Dd / A - i) = LN·P(Dd ) (LN - 1)P(Dd ) + 1 (11) 式中: O(Dd / -Ai) = P(Dd / A - i) P(D - d / A - i) P(Dd / A - i) 1 - P(Dd / A - i) 证明 仿定理 1 可证。 定理 4 必然似然率 LN 对 P(Dd / A - i) 的影响为: 1) LN = 1 时, P(Dd / A - i) = P(Dd ), 即非 i ⁃条件 属性对决策属性 d 的可信度无影响; 2) LN > 1 时, P(Dd / A - i) > P(Dd ), 即非 i ⁃条 件属性增加决策属性 d 的可信度; 3) LN < 1 时, P(Dd / A - i) < P(Dd ), 即非 i ⁃条 件属性减少决策属性 d 的可信度。 证明 仿定理 3.2 可证。 主观贝叶斯概率推理为决策形式背景中的条件 属性和决策属性间的关系讨论提供了一种简便的方 法,计算在一定条件属性下决策成立的可信度,主要 根据专家的经验知识给出充分似然率与必然似然 率,由式(1)、(2)得 LN = 1 - LS·P(Ai / D - d ) 1 - P(Ai / Dd ) 故可得到以下结论: 1) LS = 1, 当且仅当 LN = 1; 2) LS ≠1(LN ≠1),时必有(LS - 1)(LN - 1) < 0; 3)当 P(Dd / Ai) = 0 时,必有 P(Ai / Dd ) = 0, 于是 LS = 0, 即对象具有 i ⁃条件属性时决策属性 d 必然 不成立; 4)当 P(Dd / A - i) = 0 时,必有 P(A - i / Dd ) = 0, 于是 LN = 0, 即对象具有非 i ⁃条件属性时决策属性 d 必 然不成立; 5)当 1 < LS < ¥且 LS 越大, P(Ai / Dd ) 越大,从 而 P(Dd / Ai) 越大,于是 LS 越大时,对象具有 i ⁃条件 属性时对决策属性 d 的确定越有利; 6)当 1 < LN < ¥且 LN 越大, P(A - i / Dd ) 越大,从 而 P(Dd / A - i) 越大,于是 LN 越大时,对象具有非 i ⁃ 条件属性时对决策属性 d 的确定越有利。 由于在主观贝叶斯概率推理中, LS 和 LN 是专家根 据经验主观给出的,在给出 LS 和 LN 时必须充分理解它 们的实际意义,也就是要满足以上 6 条性质。 3 基于包含度的概率推理 在上述推理过程中,利用了由经验给出的充分 似然率与必然似然率计算条件概率 P(Dd / Ai) 和 第 2 期 郑淑贤,等:决策形式背景下的主观贝叶斯概率推理 ·237·
<<向上翻页向下翻页>>
©2008-现在 cucdc.com 高等教育资讯网 版权所有