UNIVERSIDAD ABIERTA PARA ADULTOS

Escuela de Ingeniería y Tecnología

Carrera:

Ingeniería en Software

Asignatura:

Inteligencia Artificial

Tema:

Tarea Unida IV

Facilitador:

Mercedes Arelis Rosario Familia

Participante:

xxxx
xxx

Fecha:

22 febrero, 2020
1) MCL usa estas probabilidades para generar pesos de partículas, que son posteriormente normalizadas y
usadas en el proceso de remuestreo. Por simplicidad, asumamos que sólo generamos una única nueva muestra
en el proceso de remuestreo, independientemente de N.

Esta muestra puede corresponder a alguna de las cuatro localizaciones en X. De esta forma, el proceso de
muestreo define una distribución de probabilidad sobre X.

a) ¿Cuál es la distribución de probabilidad sobre X resultante para esta nueva muestra?

La localización de Monte Carlo está umbralizada para cualquier tamaño de muestra finito debido a la forma en
que trabaja el filtrado de partículas. Entonces la probabilidad sobre X es:

P (z|x1) = 0,8 P (¬z|x1) = 0,2

P (z|x2) = 0,4 P (¬z|x2) = 0,6

P (z|x3) = 0,1 P (¬z|x3) = 0,9

P (z|x4) = 0,1 P (¬z|x4) = 0,9

b) ¿La diferencia entre dos distribuciones de probabilidad P y Q puede ser medida p?

KLP (P,Q) = ∑ P(Xi) logP(Xi)\Q(Xi)

No puede ser medida, no hay valores para Q.