首先,鉴于这些数据,我们来回答:
p(x[t] = H | y[1:t−1])
,那么p(x[t] = H | y[1:t−1]; y[t] = Play)
应该非常直观。但是请注意,这不是一个做作业的网站。
无论如何,在处理马尔可夫链时,请记住一件事:历史无所谓!所以无论您以前的观察是什么,您当前的观察
(y
)仅取决于当前状态x[t]
。 (不要告诉您的历史老师,她会尽力让您重复上课,就像我的情况一样。)
因此:p(x[t−1] = H | y[1:t−1]) = 1
与说前一个状态为Happy(H
)相同。 “给定的” y [1:t−1]不会给我们任何信息。
好的,我们对p(x[t]|x[t-1]=H)
有什么了解?好吧,第一矩阵中的第一行告诉您从一种状态转换为另一种状态的概率。
现在我们可以回答您的第一个问题:
p(x[t] = H) = p(x[t] = H | x[t-1] = H)*p(x[t-1] = H) + p(x[t] = H | x[t-1] = S)*p(x[t-1] = S)
如果先前的公式过多,则提示:p(x[t] = H)
是她今天快乐的无条件概率。
由于我们已经知道p(x[t-1] = H) =1
(她昨天很高兴),所以这意味着她昨天确实不难过:p(x[t-1] = S) =0 =>
p(x[t] = H) = p(x[t] = H | x[t-1] = H)
,并使用第一个矩阵,您将获得:0.6
怎么样?
p(x[t] = H | y[1:t−1]; y[t] = Play)
,应用“历史无所谓规则”,您将获得:
p(x[t] = H | y[1:t−1]; y[t] = Play) = p(x[t] = H | y[t] = Play)
如果您想自己做,这是另一个提示:p(x[t] = H) =0.6
因为我们已经回答了!您还知道:p(x[t] = H) + p(x[t] = S) = 1
(因为她只能快乐或悲伤,对吧?)
现在应用贝叶斯规则(我知道这是非直觉的,但是youtube上有很多很好的视频也解释了背后的直觉),您可以这样编写问题:
p(x[t] = H | y[t] = Play) = (p(y[t] = Play| x[t] = H) * p(x[t] = H))/p(y[t] = Play)
但是您可能会说:嘿,我已经观察到她正在玩游戏,您可能会想用1代替它,但速度不快,因为在数学中,此p(y[t] = Play)
表示无条件概率。
p(y[t] = Play) = p(x[t] = H)*p(y[t] = Play|x[t] = H) + p(x[t] = S)*p(y[t] = Play|x[t] = S)
所以:
p(x[t] = H | y[t] = Play) = (p(y[t] = Play| x[t] = H) * p(x[t] = H))/(p(x[t] = H)*p(y[t] = Play|x[t] = H) + p(x[t] = S)*p(y[t] = Play|x[t] = S))
现在您没有未知数,请用表格替换并计算。
本文链接:https://www.f2er.com/3091902.html