Université de Bouira Faculté des sciences Dept .

Info
Module Gestion de l’incertain
Examen S1 2018
Filière M2 GSI 1ère Année
Durée 1h30 .‫ الوثائق ممنوعة‬: ‫ملحظة‬

Exercice 1 ( 4pts:1,1,2) Questions à propos votre travail à domicile du module

1. Décrire brièvement l’objectif de votre cas d’étude.

2. Décrire brièvement les données utilisées ( description générale, principaux attributs, la classe).

3. Citer les algorithmes que vous avez utilisés. Citer celui qui a donné le meilleur résultat.

Exercice 2 ( 5pts:1 ,2, 2) Questions de cours

1. Donner la défnition d’un réseau bayésien

2. Démontrer la relation de Bayes : P(A|B) = P(B|A) P(A) / P(B)

3. Déterminer les graphes qui peuvent représenter des réseaux bayésiens, justifer.

Exercice 3 ( 7 pts:3;4)

Lesquels des éléments suivants sont afrmés (juste)

par la structure du réseau? Justifer.

1. P(J|G) = P(J|G,I)
2. P(M|G,B,I) = P(M|G,B,I,J)
3. B ⫫ M | J
Calculer P(B,I, M=f, G, J) et P(J=f, G=t)
N.B. Pour faciliter le calcule noter X = false comme X’

ou X
Exercice 4 ( 4pts: 2, 2)
Give Birth : Donne naissance
Can Fly : il vole
Live in Water : vie dans l’eau
Have Legs : a des pieds

Name Give birth Can fly Live in water Have legs Class
human yes no no yes mammals
python no no no no non-mammals
salmon no no yes no non-mammals
whale yes no yes no mammals
frog no no sometimes yes non-mammals
komodo no no no yes non-mammals
bat yes yes no yes mammals
pigeon no yes no yes non-mammals
cat yes no no yes mammals
leopard shark yes no yes no non-mammals
turtle no no sometimes yes non-mammals
penguin no no sometimes yes non-mammals
porcupine yes no no yes mammals
eel no no yes no non-mammals
salamander no no sometimes yes non-mammals
gila monster no no no yes non-mammals
platypus no no no yes mammals
owl no yes no yes non-mammals
dolphin yes no yes no mammals
eagle no yes no yes non-mammals

Déduire la classe suivante.

Give birth Can fly Live in water Have legs Class

yes no yes no ?
Yes Yes Yes Yes ?
Correction
Exercice 1 ( 4pts:1,1,2) Questions à propos votre travail à domicile du module

1. Décrire brièvement l’objectif de votre cas d’étude.Réponse personnalisée


2. Décrire brièvement les données utilisées ( description générale, principaux attributs, la classe).

3.
Réponse personnalisée

Citer les algorithmes que vous avez utilisés. Citer celui qui a donné le meilleur résultat.

Réponse personnalisée

Exercice 2 ( 5pts:1 ,2, 2) Questions de cours 

1. Donner la défnition d’un réseau bayésien :
Les réseaux bayésiens (RB) sont un couplage entre la théorie des graphes et la théorie des

probabilités. 0.5
Un RB est un graphe orienté acyclique dont les nœuds sont des variables aléatoires et les arcs

représentent 0.5
2. Démontrer la relation de Bayes : P(A|B) = P(B|A) P(A) / P(B)

3. Déterminer les graphes qui peuvent représenter des réseaux bayésiens, justifer.
Un réseau bayésien est un graphe orienté acyclique, tous les graphes peuvent représenter des
réseaux bayésiens
Les réseaux G1 et G2 contient des nœuds indépendants, c’est des réseaux bayésiens. 0.25 *8
Exercice 3 ( 7 pts:3;4)
Lesquels des éléments suivants sont afrmés (just) par la structure du réseau? Justifer.
1. P(J|G) = P(J|G,I)

P(J|G,I) = P(J|G) ⇒ J ⫫ I |G

on utilise la D-séparation :

1. (I) ⇒ (G) ⇒ (J) : chemin bloqué car G  Z ( nœuds observés)

2. (I) ⇐ (B) ⇒ (G) ⇒ (J) : chemin bloqué car G  Z ( nœuds observés)

3. (I) ⇐ (M)⇒ (G) ⇒ (J) : chemin bloqué car G  Z ( nœuds observés)

Donc tous les chemins sont bloqués donc

P(J|G) = P(J|G,I) vrai

1 pt : 0.5 tous les chemins

2. P(M|G,B,I) = P(M|G,B,I,J) ⇒ M ⫫ J| B, G, J

1. (M) ⇒ (G) ⇒ (J) : chemin bloqué car G  Z ( nœuds observés)

2. (M) ⇒ (I) ⇐ (B) ⇒ (G) ⇒ (J) : chemin bloqué car G  Z ( nœuds observés)

3. (M) ⇒ (I) ⇒ (G) ⇒ (J) : chemin bloqué car G  Z ( nœuds observés)

tous les chemins sont bloqués donc,

⇒ M ⫫ J| B, G, J

=>P(M|G,B,I) = P(M|G,B,I,J) Vrai

3. B ⫫ M | J

Le chemin (B) ⇐ (I) ⇒ (M), le descendant de (I) ) J  Z ( nœuds observés) , donc il existe un
echmein non bloqué

donc B ⫫ M | J est Faux

Calculer P(B,I, M=f, G, J) et P(J=f, G=t)

1-P (b, i, ¬m, g, j) = P(b)P(¬m )P(i | b, ¬m)P(g| b, i, ¬m )P(j| g) = 0.9 × 0.9 × 0.5 × 0.8 × 0.9 ≈ 0.2916
P (b, i, ¬m, g, j) = ≈ 0.2916

2- P(J=f, G=t) =

ΣbP(B)*ΣmP(M)*ΣiΣmΣbP(I | B, M)*ΣiΣmΣbP(G=t| B, I, M)*P(J’| G=t)

=1 * 1 *4 *2 *0.1 =8*0.1 = 0.8

P(J=f, G=t) = 0.8

Exercice 4 ( 3.5pts: 2, 2)

give birth can fly Have legs

P(B|C) P(B|~C) P(F|C) P(F|~C) P(L|C) P(L|~C)
Yes 6 /7 1 /13 1 /7 3 /13 5 /7 9 /13
No 1 /7 12 /13 6 /7 10 /13 2 /7 4 /13

live in water
P(C|W) P(C’|W)
Yes 2 /7 3 /13
No 5 /7 6 /13
Sometimes 0 4 /13

Class
Mamals 7
non mamels 13

Les classes a déduire

1*

Give birth Can fly Live in water Have legs Class

yes no yes no ?
P(B,~F,W,~L |C) = P(B|C) P(~F|C) P(W|C) P(~L|C) P(C)
6 /7 6 /7 2/7 2 /7 7 /20 6 6 2 2 7
∗ ∗ ∗ ∗ =0.020
7 7 7 7 20
P( B,~F,W,~L | ~C) = P(B|~C) P(~F|~C) P(W|~C) P(~L|~C) P(~C)
1 /13 10 /13 3 / 13 4/ 13 13 /20 1 10 3 4 13
∗ ∗ ∗ ∗ =0.0027
13 13 13 13 20
La classe est mammals

Give birth Can fly Live in water Have legs Class

yes Yes yes Yes ?
P(B,F,W,L |C) = P(B|C) P(F|C) P(W|C) P(L|C) P(C)
6 /7 1 /7 2/7 5 /7 7 /20 6 1 2 5 7
∗ ∗ ∗ ∗ =0.0087
7 7 7 7 20
P( B,F,W,L | P(B|~C) P(F|~C) P(W|~C) P(L|~C) P(~C)
~C) =
1 /13 3 /13 3 / 13 9 /13 13 /20 1 3 3 9 13
∗ ∗ ∗ ∗ =0.0018
13 13 13 13 20
La classe est mammals