当前位置: 首页 > news >正文

国科大作业考试资料-人工智能原理与算法-2024新编-第十二次作业整理

袋子里面有3个有偏差的硬币a、b和c,抛掷硬币正面朝上的概率分别是20%、60%和80%。从袋

子里随机取出一个硬币(3个硬币被取出的概率是相等的),并把取出的硬币抛掷3次,得到抛掷结

果依次是X1 , X2和 X3。

a. 画出对应的贝叶斯网络并定义必要的CPT表。

b. 如果抛掷结果是2次正面朝上,1次反面朝上,计算取出的硬币最可能是哪一个。

本次有两个参考:

参考一:

a. 首先,我们需要画出对应的贝叶斯网络。根据问题描述,我们有3个硬币节点(随机变量):硬

币a、b和c,以及每次抛掷的结果节点X1、X2和X3。硬币节点指向抛掷结果节点,表示抛掷结果依

赖于硬币的正反面概率。

贝叶斯网络的结构如下:

        a     b     c

         \   /     /

          \ /     /

           X1    X2    X3

b. 我们需要计算在抛掷结果是2次正面朝上,1次反面朝上的条件下,取出的硬币最可能是哪一

个。根据贝叶斯网络的结构,我们需要计算P(a|X1=正面, X2=正面, X3=反面)、P(b|X1=正面, X2=

正面, X3=反面)和P(c|X1=正面, X2=正面, X3=反面)三个后验概率。根据贝叶斯定理,后验概率可

以通过先验概率和条件概率计算得到。我们可以使用贝叶斯网络中的CPT表来计算条件概率。

假设P(Xi=正面|硬币a)表示硬币a正面朝上的概率࿰

相关文章:

  • opencv 按键开启连续截图,并加载提示图片
  • 论文写作之latex配置(VSCODE+TEXT LIVE)
  • THS配置keepalive(yjm)
  • JAVA用TreeMap实现JSON按字母升序排序
  • MySQL中的DQL
  • 配置sublime的中的C++编译器(.sublime-build),实现C++20
  • C#初级——结构体
  • Linux中的三类读写函数
  • Cannot perform upm operation: connect ETIMEDOUT 34.36.199.114:443 [NotFound]
  • Android 13 大屏显示时关于SystemUI和Launcher3问题
  • 记录unraid docker更新的域名
  • 万物互联,触手可及“2024南京智慧城市,物联网,大数据展会”
  • Elasticsearch:Golang ECS 日志记录 - zap
  • Sokit(TCP/UDP调试工具)
  • 均匀圆形阵列原理及MATLAB仿真
  • [译]Python中的类属性与实例属性的区别
  • 5、React组件事件详解
  • 5分钟即可掌握的前端高效利器:JavaScript 策略模式
  • Angular 4.x 动态创建组件
  • Angular2开发踩坑系列-生产环境编译
  • golang中接口赋值与方法集
  • iBatis和MyBatis在使用ResultMap对应关系时的区别
  • iOS筛选菜单、分段选择器、导航栏、悬浮窗、转场动画、启动视频等源码
  • js数组之filter
  • Linux gpio口使用方法
  • pdf文件如何在线转换为jpg图片
  • python学习笔记-类对象的信息
  • RedisSerializer之JdkSerializationRedisSerializer分析
  • SegmentFault 技术周刊 Vol.27 - Git 学习宝典:程序员走江湖必备
  • Travix是如何部署应用程序到Kubernetes上的
  • 第十八天-企业应用架构模式-基本模式
  • 分享一份非常强势的Android面试题
  • 给Prometheus造假数据的方法
  • 猴子数据域名防封接口降低小说被封的风险
  • 回顾 Swift 多平台移植进度 #2
  • 前端技术周刊 2018-12-10:前端自动化测试
  • 腾讯大梁:DevOps最后一棒,有效构建海量运营的持续反馈能力
  • 小程序、APP Store 需要的 SSL 证书是个什么东西?
  • 一个普通的 5 年iOS开发者的自我总结,以及5年开发经历和感想!
  • 正则学习笔记
  • 数据库巡检项
  • ​【C语言】长篇详解,字符系列篇3-----strstr,strtok,strerror字符串函数的使用【图文详解​】
  • # 职场生活之道:善于团结
  • #大学#套接字
  • $.ajax()
  • (6)【Python/机器学习/深度学习】Machine-Learning模型与算法应用—使用Adaboost建模及工作环境下的数据分析整理
  • (Mac上)使用Python进行matplotlib 画图时,中文显示不出来
  • (附源码)apringboot计算机专业大学生就业指南 毕业设计061355
  • (附源码)springboot宠物管理系统 毕业设计 121654
  • (附源码)ssm高校实验室 毕业设计 800008
  • (附源码)ssm捐赠救助系统 毕业设计 060945
  • (详细文档!)javaswing图书管理系统+mysql数据库
  • (一)appium-desktop定位元素原理
  • (一)Linux+Windows下安装ffmpeg
  • (一)SvelteKit教程:hello world