Zusammenfassung
Im Zentrum von Kap. 5 steht die Problematik, dass sich Äußerungen oft nicht mit dem logischen Wert „wahr“ oder „falsch“ belegen lassen. Solche Konstrukte können nicht automatisch in einem Expertensystem bearbeitet werden, da sie den Grundregeln der Prädikatenlogik nicht genügen. In solchen Fällen kann man statistische Methoden verwenden, um eine Entscheidungsgrundlage zu erarbeiten. Da diese jedoch große Mengen von Daten für die Bearbeitung benötigen, führt die Anwendung dieser Methoden zu zahlreichen Problemen. Der Satz von Bayes gibt die Möglichkeit, die bedingten Wahrscheinlichkeiten zu berechnen, die zur Entscheidungsfindung verwendet werden können. Die mit dem Satz von Bayes korrespondierende Formel und ihre Anwendung wird anhand eines Beispiels aufgezeigt.
One point to bear in mind when selecting an uncertainty management method is the fact that there are several kinds of uncertainty.
(I. Graham (1991) Fuzzy Sets and Systems. Vol. 40: 451ff.)
Notes
- 1.
Es handelt sich hier um einen fiktiven Vergleich.
- 2.
Für endliche Mengen ist die Mächtigkeit (oder Kardinalität) gleich der Anzahl der Elemente der Menge.
Literatur
Hartman D, Lehner K (1990) Technische Expertensysteme. Springer Verlag, Heidelberg. ISBN 3-540-52155-0
Tschirk W (2014) Statistik: Klassisch oder Bayes. Zwei Wege im Vergleich. Springer, Heidelberg
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2017 Springer-Verlag GmbH Deutschland
About this chapter
Cite this chapter
Styczynski, Z.A., Rudion, K., Naumann, A. (2017). Behandlung von Ungenauigkeit. In: Einführung in Expertensysteme. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-53172-3_5
Download citation
DOI: https://doi.org/10.1007/978-3-662-53172-3_5
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-53171-6
Online ISBN: 978-3-662-53172-3
eBook Packages: Computer Science and Engineering (German Language)