本日は「ベイジアンネットワーク（Bayesian Network）」についてです。ベジタリアンではありません。 ベイズ統計学を用いたデータ処理です。以下のWebサイトに概要が書かれています。
ベイジアンネットワークについて → https://www.hitachi-hri.com/keyword/k052.html
原理を資料にまとめました → ベイズ統計9
p.1 左上をご覧ください。原因Aの確率を表にしてあります。Aでない場合０と書きその確率が0.98、Aである場合１と書き確率は0.02です。AからCに矢印が向かっています。原因Aに対する結果がCです。Aが０か１の時、Cが０か１になる確率を表にしてあります。 同様に、原因AとBにより結果Cになる場合の各々の確率を表にしてあります。ベイジアンネットワークは、得られたデータが新たな原因になって次のデータを生んでいきます。
p.2 左上の図をご覧ください。親と子の関係を示しています。子が次の子の親になっていきます。遺伝情報が伝わっていくようにネット化していきます。ベイズの定理式において、原因Hの起こる確率P(H)が、データDが得られる度にP(H/D)に更新される形になっていることがわかります。ただし、一つ前の親には関与しますが、その前の祖父母には関与しない「マルコフ条件」という決まりがあります。
p.3 問題「①泥棒が入って警報がなり、警備会社に通報が行く確率は？泥棒と地震は同時に起こらないとする」です。 各々が起きうる確率が表にしてあります。
p.4 求める確率は、P(E=0 ∩ B=1 ∩ A=1 ∩ S=1)です。これを「確率の乗法定理」等を用いて、分解していき、表の確率を用いて算出して0.00645が得られます。もともと泥棒に入られる確率が0.01しかないので、警備会社に通報が行く確率も小さいですが、７割を切る値ということでは安心できないですね。
ベイジアンネットワークの原理を示し、事例を紹介しました。IT社会となり、データサイエンスが活発化してきていますので、種々の方面で応用されていくものと思います。統計学は現在・過去を推測することから未来を推測する流れに変わってきているので、ベイズ統計学が主流になってきています。