1
00:00:20,700 --> 00:00:26,060
بسم الله الرحمن الرحيم. اليوم نكمل على نفس الموضوع

2
00:00:26,060 --> 00:00:29,760
المحاضرة الماضية، اللي هو الـ uncertainty management

3
00:00:29,760 --> 00:00:33,860
and more basics for systems. وهذه هي المحاضرة

4
00:00:33,860 --> 00:00:38,100
الثانية في هذا الموضوع. المحاضرة الأولى كانت في الـ

5
00:00:38,100 --> 00:00:42,770
certainty factor theory.  مظبوط، وشوفنا كيف أن الـ

6
00:00:42,770 --> 00:00:45,910
certainty factor لما دخل على الـ rules، لما صارت الـ

7
00:00:45,910 --> 00:00:50,050
rules بيضاف إليها certainty factor، أيش هالأثر على

8
00:00:50,050 --> 00:00:54,630
عملية الـ inference، وكيف صار أن الاستنتاجات أصبح

9
00:00:54,630 --> 00:01:01,830
بكل استنتاج كيف بينحسب، وكيف بأنه بيصبح في عندي أنا

10
00:01:01,830 --> 00:01:05,970
ممكن أكثر من استنتاج في قانون واحد. بقدر استنتاج أن

11
00:01:05,970 --> 00:01:09,130
tomorrow is rain و tomorrow is dry، ولكن بالنسبة

12
00:01:09,130 --> 00:01:12,480
متفاوتة. الآن هذا كمان برضه بيتكرر معنا هنا، بس

13
00:01:12,480 --> 00:01:15,300
بأسلوب آخر، يعني نتعامل مع الـ uncertainty بأسلوب

14
00:01:15,300 --> 00:01:21,260
آخر، اللي هو Bayesian Reasoning.  باشي بتذكروا أن هذه

15
00:01:21,260 --> 00:01:28,060
المواضيع تبع الـ chapter ثلاثة، وأن احنا غطينا فيها

16
00:01:28,060 --> 00:01:31,780
بلاطة من هنا، من ثلاثة لستة، بالأخرى احنا عملنا عادة

17
00:01:31,780 --> 00:01:35,100
ترتيب للمواضيع بالشكل هذا. بنينا بالـ certainty

18
00:01:35,100 --> 00:01:38,630
factor theory and Bayesian reasoning.  وأخذنا الـ

19
00:01:38,630 --> 00:01:41,090
example اللي هو الـ forecast، اللي هو الـ application

20
00:01:41,090 --> 00:01:44,210
على الـ certain factors، ووقفنا هذا الخط متقطع كان

21
00:01:44,210 --> 00:01:47,150
نهاية المحاضرة الماضية. المحاضرة هي إن شاء الله

22
00:01:47,150 --> 00:01:54,090
نبدأ من الشق الثاني من الـ chapter.  المفروض نبدأ بالـ

23
00:01:54,090 --> 00:01:56,150
basic probability theory، وبعدها الـ Bayesian

24
00:01:56,150 --> 00:02:00,210
reasoning، وناخد الـ example هذا نفسه هو الـ forecast

25
00:02:00,210 --> 00:02:04,250
ولكن المرة هذه بتطبيق الـ Bayesian rule أو الـ

26
00:02:04,250 --> 00:02:11,540
Bayesian reasoning على نفس الـ example. أحنا نبدأ لحد

27
00:02:11,540 --> 00:02:14,200
ما نصل إلى الـ forecast. بعد كثرة دقائق معنا، واجدت

28
00:02:14,200 --> 00:02:18,020
نكمل في الـ bias و الـ comparison. هدولة عبارة عن

29
00:02:18,020 --> 00:02:21,340
ملاحظات بسيطة. إذا ما كفاش واجدت، بتخليها لمحاضرة

30
00:02:21,340 --> 00:02:26,480
اللي بعد إن شاء الله، بس أنا برضه عشان واجدت، حابب

31
00:02:26,480 --> 00:02:29,980
أنا أفلّت اللي هو الـ basic probability theory لأن

32
00:02:29,980 --> 00:02:34,290
هو عبارة عن مبادئ، افترض أننا نعرفها في الـ

33
00:02:34,290 --> 00:02:39,910
statistics وفي الـ probability، ونقدر ندخل على الـ

34
00:02:39,910 --> 00:02:43,150
Bayesian reasoning مباشرة. الـ Bayesian reasoning

35
00:02:43,150 --> 00:02:48,590
مباشرة، اللي هو سكشن ثلاثة ثلاثة، تمام، في الـ

36
00:02:48,590 --> 00:02:52,390
Bayesian reasoning. أحنا نرجع مرة ثانية برضه الـ

37
00:02:52,390 --> 00:02:57,060
rules اللي إننا بنضيف عليها. هناك كنا بنضيف

38
00:02:57,060 --> 00:03:00,720
certainty factor، هنا بنضيف probability. probability

39
00:03:00,720 --> 00:03:09,540
هذه برضه بتقول إن: if event E occurs، يعني حدث is

40
00:03:09,540 --> 00:03:16,000
true، then probability أن الـ hypothesis H

41
00:03:20,540 --> 00:03:24,580
ماشي، بس هو ممكن أنا أعتبره event، لأن هو event، ترتب

42
00:03:24,580 --> 00:03:31,160
على event آخر. فالـ probability هذه معناها أنه إذا

43
00:03:31,160 --> 00:03:38,680
حدث الـ E، فهحدث الـ H، هترتب على حدوث الـ H باحتمالية

44
00:03:38,680 --> 00:03:45,460
بدرجة احتمال كذا P، تمام؟ هذا مدلول أن أنا أحط

45
00:03:45,460 --> 00:03:51,820
probability للـ rule. Okay، الآن الـ probability هذه

46
00:03:51,820 --> 00:03:55,440
احنا إذا بنذكر من الـ probability theory، فيها حاجة

47
00:03:55,440 --> 00:03:58,780
اسمها الـ prior probability وحاجة اسمها الـ posterior

48
00:03:58,780 --> 00:04:02,420
probability. الـ prior probability اللي هي المقصود

49
00:04:02,420 --> 00:04:11,260
بها الـ probability تبع

50
00:04:11,260 --> 00:04:15,480
حدوث الـ event بشكل مستقل في حد ذاته، والـ posterior

51
00:04:15,480 --> 00:04:18,540
هي probability تبع حدوث الـ event

52
00:04:25,000 --> 00:04:28,920
مش مرتبطة بحدوث event آخر. يعني مثلاً أنا لما بقعد

53
00:04:28,920 --> 00:04:33,380
بقرا هذا الكلام، أيش بقول؟ probability of H given E

54
00:04:33,380 --> 00:04:37,980
هذه الآن posterior ولا prior؟ أصبحت posterior، لأن

55
00:04:37,980 --> 00:04:42,560
الـ posterior هي اللي probability تبع حدوث الـ event

56
00:04:42,560 --> 00:04:47,820
اعتماداً على أو كنتيجة لـ، كنتيجة لحدوث event آخر.

57
00:04:47,820 --> 00:04:53,800
وهذه الـ probability بتحسب بالمعادلة هذه، اللي هو أنه

58
00:04:54,130 --> 00:04:59,010
بنجيب الـ prior probability، اللي هي قداش هذا الـ

59
00:04:59,010 --> 00:05:05,970
event H أصلاً بيحدث في الدنيا، تمام؟ يعني أو بدون

60
00:05:05,970 --> 00:05:08,530
نقول مثلاً، والله إن أنا واقف على باب

61
00:05:08,530 --> 00:05:15,190
الجامعة، وبطلع الطالع اللي نازل، okay؟ بدي أعرف

62
00:05:15,190 --> 00:05:19,610
إذا والله طالع طالب من باب الجامعة، والطالب هذا

63
00:05:19,610 --> 00:05:25,510
حامل laptop معه، أيش احتمالية أن الطالب يكون طالب

64
00:05:25,510 --> 00:05:31,450
كلية IT؟ يعني أيش الـ probability؟ هنا H أن الـ

65
00:05:31,450 --> 00:05:40,070
student...

66
00:05:40,070 --> 00:05:44,510
والـ event أيش؟

67
00:05:52,970 --> 00:05:56,970
أيش الـ probability أن الـ student يكون طالب IT إذا

68
00:05:56,970 --> 00:06:06,550
علم أنه حامل معه laptop؟ عشان أقدر هذه الاحتمالية،

69
00:06:06,550 --> 00:06:10,690
أقدر هذه الاحتمالية لو شفت واحد حامل معه laptop،

70
00:06:10,690 --> 00:06:14,110
أقدر قداش احتمالية أنه يكون هذا طالب IT؟ لازم أكون

71
00:06:14,110 --> 00:06:19,690
عارف الآن، هذه الآن الأولاني، أيش احتمالية أن

72
00:06:19,690 --> 00:06:27,610
لو واحد طالب IT يكون معه laptop؟ كيف بعرفها هذه؟

73
00:06:27,610 --> 00:06:32,330
لازم أجيب كل طلاب الـ IT وأشوف قداش منهم نسبة

74
00:06:32,330 --> 00:06:37,110
معهم laptop، صح؟ النسبة هذه هي probability ولا

75
00:06:37,110 --> 00:06:42,870
لا؟ صح ولا لا؟ نسبة الطلاب الـ IT اللي معهم laptop

76
00:06:42,870 --> 00:06:45,950
هذه هي probability، لأنه أصلاً أيش هي الـ

77
00:06:45,950 --> 00:06:50,670
probability؟ لأنه أنا عندي علم عن الكل الموجود، ومن

78
00:06:50,670 --> 00:06:57,480
خلال هذا الأمر بقدر أتوقع إنه لو في طالب IT، قداش

79
00:06:57,480 --> 00:07:01,900
احتمال أن يكون معه laptop؟ قداش التوقع هذا؟ من

80
00:07:01,900 --> 00:07:05,920
وين جاي التوقع هذا؟ جاي من هالمسبق، بعدد الطلاب

81
00:07:05,920 --> 00:07:12,140
الـ IT اللي معهم الـ laptop. فلو كان أنا أعلم أن ٩٠٪

82
00:07:12,140 --> 00:07:15,960
من طلاب الـ IT معهم الـ laptop، يبقى على طول بمجرد

83
00:07:15,960 --> 00:07:20,840
ما أشوف طالب IT، هاقدر أقول إنه أنا أتوقع أن هذا

84
00:07:20,840 --> 00:07:25,660
الطالب الشنطة تبعه يكون فيها laptop بنسبة ٩٠٪

85
00:07:25,660 --> 00:07:29,220
probability، ٩٠٪، بس هذا لسه ما بيجاوبش على السؤال

86
00:07:29,220 --> 00:07:33,320
يعني سؤالي مش هيك، سؤالي مش إنه إذا الطالب IT، أيش

87
00:07:33,320 --> 00:07:36,740
احتمال إنه يكون معه laptop، أيش سؤالي؟ سؤالي إذا

88
00:07:36,740 --> 00:07:41,240
أنا أشوف الطالب يحمل laptop، أيش احتمال إنه يكون

89
00:07:41,240 --> 00:07:47,260
طالب IT؟ ممكن يكون يحمل laptop لكن ما هو، لكن

90
00:07:47,260 --> 00:07:50,620
ما هو طالب IT، صح ولا لأ؟ ممكن يكون طالب هندسة، ممكن

91
00:07:50,620 --> 00:07:56,000
يكون طالب شريعة، ولا لأ؟ بس أنا لأن عشان أجيب...

92
00:07:56,000 --> 00:08:05,860
أجابه على هذا السؤال، احتمال أن يكون طالب IT إذا علم

93
00:08:05,860 --> 00:08:13,840
أو إذا شوفت، يعني إنه يحمل laptop.

94
00:08:15,400 --> 00:08:18,640
عشان أحسب هذا الكلام لازم أكون أيضاً عارف الكلام هذا

95
00:08:18,640 --> 00:08:26,800
اللي هو، اللي هو أيش؟ من هذول قداش إذا علم أن هو طالب

96
00:08:26,800 --> 00:08:31,740
IT، قداش احتمالية أن يكون معه، إنه عنده laptop؟  ضرب

97
00:08:31,740 --> 00:08:38,860
أيش؟ أيش هذا؟ الـ probability of إنه يكون أصلاً طالب

98
00:08:38,860 --> 00:08:43,300
IT؟ كيف هذه بدي أعرفها؟ بدي أجيب قول الله بالجامعة

99
00:08:43,300 --> 00:08:48,050
اللي أنا واقف على بابها، وأعدهم كلهم، وأجيب كل

100
00:08:48,050 --> 00:08:51,150
طلاب الـ IT وأعدهم كلهم، وأقسم هذا على هذا. إذا

101
00:08:51,150 --> 00:08:54,210
عندي أنا طلاب الـ IT هم أربعمائة طالب، والجامعة

102
00:08:54,210 --> 00:08:57,750
فيها ألف، يبقى أربعمائة على ألف، إذا فيها ألفين، إذا

103
00:08:57,750 --> 00:09:01,670
فيها عشرين ألف، أربعمائة على عشرين ألف. هذه نسبة طلاب الـ

104
00:09:01,670 --> 00:09:10,890
IT وهي برضه احتمالية أن يكون الطالب IT. فهذا

105
00:09:10,890 --> 00:09:14,630
كلام عن أيضاً

106
00:09:14,880 --> 00:09:20,540
إنه العكس منه، اللي هو إنه إذا كان معه laptop، قداش

107
00:09:20,540 --> 00:09:24,460
احتمالية إنه هو مش طالب IT، وقداش احتمالية اللي مش

108
00:09:24,460 --> 00:09:28,120
طلاب الـ IT كلهم، اللي هم الباقية الأخرى من الـ... من

109
00:09:28,120 --> 00:09:33,580
الـ... هذا الكلام كله، كله من أوله لآخره، بيعتمد على

110
00:09:33,580 --> 00:09:38,800
statistics. أنا عشان أقدر الكمية هذه أو الاحتمالية

111
00:09:38,800 --> 00:09:42,090
هذه، لازم يكون عندي المعلومات هذه، والمعلومات هذه من

112
00:09:42,090 --> 00:09:45,230
وين بتيجي؟ أنا توقفت وأنا بحكي، أيش كنت بقول؟ كنت بقول

113
00:09:45,230 --> 00:09:48,410
أنه لازم يكون في عندي عدد هذول عشان أقسم على عدد

114
00:09:48,410 --> 00:09:51,650
الإجمالي، والنسبة هذه هي... طب أنا من وين بجيب هذا

115
00:09:51,650 --> 00:09:55,410
الكلام؟ بجيبه من statistics. الـ Bayesian، الـ Bayesian

116
00:09:55,410 --> 00:09:59,710
rule تستند هي على probability theory، صح؟ أو probability

117
00:09:59,710 --> 00:10:05,470
rule، مظبوط، بس تستند إليها، شالت statistical data، و

118
00:10:05,470 --> 00:10:08,790
هذا أصلاً اللي بيخلينا دائماً ندرس الـ statistics، الـ

119
00:10:08,790 --> 00:10:14,230
statistics والـ probability مع بعض، صح ولا تمام؟ لأن

120
00:10:14,230 --> 00:10:18,730
لأن

121
00:10:18,730 --> 00:10:23,430
هنا الكلام، أحياناً أنا بكون في عندي عدة احتمالات، و

122
00:10:23,430 --> 00:10:26,490
بكون عندي عدة events. يعني مثلاً أنا ممكن أكون عندي

123
00:10:26,490 --> 00:10:31,960
event واحد، الـ event الواحد هذا، وأنا بدي أحسب أنه

124
00:10:31,960 --> 00:10:35,720
أنا شايف الطالب طالع من باب الجامعة، ويحمل laptop،

125
00:10:35,720 --> 00:10:39,800
بدي أحسب قداش احتمالية أنه طالب IT، وأيضاً بدي أحسب

126
00:10:39,800 --> 00:10:43,760
قداش احتمالية أنه طالب هندسة، وأيضاً ربما بدي أحسب

127
00:10:43,760 --> 00:10:48,780
احتمال ثالث، أن قداش الطالب طالب شريعة مثلاً، هدول

128
00:10:48,780 --> 00:10:57,000
different H's، صح؟ كل واحد منهم بتسميه H1، H2، H

129
00:10:57,000 --> 00:11:06,600
ثلاثة. بدي أحسب احتمالية كل واحد منهم إذا علم أن

130
00:11:06,600 --> 00:11:14,320
هذا الطالع من باب الجامعة يحمل الـ E، أن هو حامل

131
00:11:14,320 --> 00:11:19,320
laptop. طبعاً أنا مش عندي H واحدة، عندي أكثر من الـ H.

132
00:11:19,320 --> 00:11:22,740
الـ H الأولى إنه IT student، الـ H الثانية إنه

133
00:11:22,740 --> 00:11:26,140
engineering student، الـ H الثالثة إنه شريعة student.

134
00:11:26,340 --> 00:11:30,600
Okay. فالـ probabilities هذه، أنا في حال وجود عدة

135
00:11:30,600 --> 00:11:36,280
hypotheses، ألاقي هذه hypothesis واحدة، تمام؟ فأروح

136
00:11:36,280 --> 00:11:39,880
بأحسب للـ hypothesis اللي أنا بدي إياها، اللي هو one

137
00:11:39,880 --> 00:11:46,800
أو اثنين أو ثلاثة. البسط زي ما هو، بس في المقام زي

138
00:11:46,800 --> 00:11:54,600
ما أنا كانت هنا عندي مجرد حدين، اللي هو التوقع

139
00:11:54,600 --> 00:11:59,180
ورقة ونقيضه. أنا الآن في عندي ثلاثة توقعات، ثلاثة

140
00:11:59,180 --> 00:12:05,520
hypotheses. فهم هتبقى بتضرب كل واحد الـ posterior

141
00:12:05,520 --> 00:12:09,960
probability بالـ prior probability، وأجمع على اللي

142
00:12:09,960 --> 00:12:15,120
الـ hypothesis الثانية ثم الثالثة، ثم الثالثة. واضح يعني

143
00:12:15,120 --> 00:12:20,440
هذه المعادلة اللي أنا بقدر أفكها على شكل أيش؟ إن

144
00:12:20,440 --> 00:12:26,570
probability of E given H واحد، E H1 ضرب

145
00:12:26,570 --> 00:12:31,390
probability of H1. علشان أحسب الـ probability أنه الـ

146
00:12:31,390 --> 00:12:36,730
probability تبعت H1، على أيش بقسم؟ كم H أنا عندي؟

147
00:12:36,730 --> 00:12:44,230
ثلاثة. بدي أعمل ثلاثة terms، كل term هو عبارة عن

148
00:12:44,230 --> 00:12:54,320
probability of E H1 ضرب probability of H1.  ذكر أن

149
00:12:54,320 --> 00:12:58,720
probability of H1 هي الـ prior probability، نفس

150
00:12:58,720 --> 00:13:04,700
الكلام بس على H2 ونفس الكلام على H3. هذا لما يكون

151
00:13:04,700 --> 00:13:09,180
عندي single evidence أو event أو evidence، وبدي

152
00:13:09,180 --> 00:13:12,860
أحسب لـ multiple hypotheses الـ probabilities تبعتهم.

153
00:13:12,860 --> 00:13:17,760
أحياناً يجب أن يكون عندي multiple evidences و

154
00:13:17,760 --> 00:13:22,190
multiple hypotheses. يعني مطلب الـ evidences ومطلب الـ

155
00:13:22,190 --> 00:13:31,330
hypotheses وكذا event، العلاقة بيصبح أن أنا بدي أجيب

156
00:13:31,330 --> 00:13:39,270
نفس الكلام اللي تحت، وخلينا نشوف مثال عملي على هذا،

157
00:13:39,270 --> 00:13:44,150
وبعدين بنرجع للـ formula هذا اللي أنا قاعد

158
00:13:44,150 --> 00:13:48,190
هنا في المثال هذا، أيش اللي هن...

159
00:13:53,450 --> 00:14:04,670
مفترض أن الـ expert في عندي ثلاثة... في عندي ثلاثة

160
00:14:04,670 --> 00:14:10,130
hypotheses، هذا H1 وهذا H2، طبعاً أن I بيساوي واحد، I

161
00:14:10,130 --> 00:14:12,970
بيساوي اثنين، I بيساوي ثلاثة. يعني المفهوم أن الـ I

162
00:14:12,970 --> 00:14:21,330
هي الـ subscript من H هذا، H3، الـ... الـ... الـ...

163
00:14:21,330 --> 00:14:27,400
الصورة هذا هو يبقى عن H. الـ prior probability تبع كل

164
00:14:27,400 --> 00:14:33,340
واحد من الـ H، يعني هذا الـ prior probability تبع H1

165
00:14:33,340 --> 00:14:36,880
والـ prior probability تبع H2 وH3. هنا الـ

166
00:14:36,880 --> 00:14:42,540
probability تبع الـ H، يعني الـ H1 لحد حدوث الـ event

167
00:14:42,540 --> 00:14:49,740
E1. إذا، إذا أيش احتمال؟ إذا عُلم الـ hypothesis هذا،

168
00:14:49,740 --> 00:14:53,600
أيَش احتمال يكون بسبب الـ event

169
00:14:55,320 --> 00:14:59,980
أحنا الآن هذا... لأ أحنا... عدي أنا رابط كل event

170
00:14:59,980 --> 00:15:04,180
...كل hypothesis بـ event. هذا hypothesis one بـ

171
00:15:04,180 --> 00:15:08,860
event one. هذا hypothesis اثنين بـ event one، صح؟

172
00:15:08,860 --> 00:15:11,020
فالصورة هذا

173
00:15:16,210 --> 00:15:21,310
هو عبارة عن الـ posterior probability،  لأمين لهذه

174
00:15:21,310 --> 00:15:24,050
الـ hypothesis مع event واحد، واللي بعده مع event

175
00:15:24,050 --> 00:15:26,950
اثنين، واللي بعده مع event ثلاثة. ماهو المطلوب؟

176
00:15:26,950 --> 00:15:33,890
المطلوب أن أنا أحسب إذا عُلم الـ evidence الـ E واحد

1

223
00:19:54,740 --> 00:19:57,980
واسهل لأن أنا بضرب الكمية بحسب هذه الكمية في الأول

224
00:19:57,980 --> 00:20:03,120
وبعدين بجيب أنا بحسب الكميات الثلاثة داخلها و

225
00:20:03,120 --> 00:20:06,300
بعدين بجيب مجموعها صح؟ أنا بجيب مجموع الأول على المجموع

226
00:20:06,300 --> 00:20:09,320
الثاني على المجموع، الثالث على المجموع، وخلصت هذا

227
00:20:09,320 --> 00:20:14,680
بس الآن إذا لسه إحنا بنعرف بس الـ E ثلاثة بس الـ E

228
00:20:14,680 --> 00:20:20,210
ثلاثة، افترض أن بعد ذلك لاحظنا ملاحظة أخرى، وأصبح

229
00:20:20,210 --> 00:20:25,650
لدي الملاحظة اثنين اثنين اثنين

230
00:20:25,650 --> 00:20:35,390
اثنين

231
00:20:35,390 --> 00:20:40,850
اثنين

232
00:20:40,850 --> 00:20:44,570
اثنين اثنين اثنين اثنين اثنين اثنين اثنين اثنين

233
00:20:44,570 --> 00:20:51,210
اثنين اثنين اثنين اثنين اثنين اثنين اثنين صحيح إذا

234
00:20:51,210 --> 00:20:57,770
نضرب ثلاثة مقادير، نفس القاعدة، إذا كنا نضرب مقدارين

235
00:20:57,770 --> 00:21:04,850
فهنا نضرب ثلاثة مقادير، الثلاثة مقادير اللي هم P of H

236
00:21:04,850 --> 00:21:10,890
مضروبة في الـ posterior H مع E1 مضروبة في الـ

237
00:21:10,890 --> 00:21:17,820
posterior H مع E3، اللي هم رجعتنا للجدول هذه الـ

238
00:21:17,820 --> 00:21:23,760
prior، وهذه الـ posterior تبع h1، وهذه الـ posterior

239
00:21:23,760 --> 00:21:30,660
تبع h1 مع E3، ليه هذا، وh1 ليها هذول ثلاثة مقابلة

240
00:21:30,660 --> 00:21:36,180
الضرب هذا البسط الأول، واللي مقابلهم البسط الثاني

241
00:21:36,180 --> 00:21:42,400
واللي مقابلهم البسط الثالث، صح ولا لأ؟ هاي بدي أروح

242
00:21:42,400 --> 00:21:48,190
الـ slide هاي، البسط الأول، هذا هو البسط الثاني، وهذا

243
00:21:48,190 --> 00:21:55,290
هو البسط الثالث، صح؟

244
00:21:55,290 --> 00:21:58,710
لأننا

245
00:21:58,710 --> 00:22:02,110
لم نعمل أي calculation، لأننا لم نحسب أي أرقام، نرجع

246
00:22:02,110 --> 00:22:05,450
الآن لننظر إلى الأرقام ونحاول أن نفهم أي شيء

247
00:22:05,450 --> 00:22:10,310
الأرقام اللي طلعت عندما كان بس E3 هو المعلوم كان

248
00:22:10,310 --> 00:22:15,750
هكذا، أيش معنى هذا الرقم؟ إنه احتمالية أن يكون

249
00:22:15,750 --> 00:22:19,570
hypothesis واحدة true عندما كنا نعلم أنها ثلاثة

250
00:22:19,570 --> 00:22:23,890
فقط، كان احتمالها أربعة وثلاثين، والثاني هي

251
00:22:23,890 --> 00:22:26,390
hypothesis تقريبا أربعة وثلاثين، وهذا اثنين وثلاثين

252
00:22:26,390 --> 00:22:32,130
فأنا في يدي two hypotheses، فرضيتين، لهم نفس المستوى

253
00:22:32,130 --> 00:22:36,490
أو نفس القيمة من ناحية الاحتمال، بقدر أتوقعهم بنفس

254
00:22:36,490 --> 00:22:43,950
النسبة، وهذا أقل منه، لأن لما أضفنا الـ event E واحد

255
00:22:44,580 --> 00:22:48,340
يفترض هذه المعلومة الجديدة أو هذه الملاحظة الجديدة

256
00:22:48,340 --> 00:22:53,360
ترجح كفة أحد الاحتمالات على الأخرى، وهذا فعلا اللي

257
00:22:53,360 --> 00:23:00,600
طلع هنا أن E2 زادت الـ probability تبعها، وهذا انخفض

258
00:23:00,600 --> 00:23:04,520
وهذا انخفض بشدة، أكثر من... مش كان أربعة وثلاثين

259
00:23:04,520 --> 00:23:08,040
هذا، وبعدين ثلاثين، هذا انخفض بنسبة 3%، وهذا انخفض

260
00:23:08,040 --> 00:23:11,560
بنسبة كبيرة اللي هي 5.15

261
00:23:13,750 --> 00:23:18,030
فقد إيش إحنا معلومات بنجمعها أو events، الملاحظات

262
00:23:18,030 --> 00:23:22,450
يعني بنلاحظها بترجح كفة الاحتمالات اللي عندنا، لو

263
00:23:22,450 --> 00:23:28,330
عندي معلومة واحدة بيصعب أن أميز أو أرجح كفة أحد

264
00:23:28,330 --> 00:23:31,790
الاحتمالات على الآخر، أحد الـ hypotheses على الآخر

265
00:23:31,790 --> 00:23:36,070
صح أو لأ؟ الآن لو تلاحظ لما بعد ذلك دخلنا الـ E2

266
00:23:36,070 --> 00:23:42,480
في الحسبة، صرنا أولًا بنضرب مين؟ أربعة، أي نعم، هم

267
00:23:42,480 --> 00:23:45,440
الباصلة، وهم اللي بدخلوا في المقام، لأن إيش اللي

268
00:23:45,440 --> 00:23:49,560
لاحظ أن واحدة أصبح تباين الصوت، مع أنه كان عالية و

269
00:23:49,560 --> 00:23:53,760
كان على واحد في ظل أي واحد أو أي ثلاثة، لأن لما جاء

270
00:23:53,760 --> 00:23:58,900
اثنين واثنين اثنين، رجح كفة تميز هذا أو هذه هذه

271
00:23:58,900 --> 00:24:01,880
هذه هذه هذه هذه هذه هذه هذه هذه هذه هذه هذه

272
00:24:01,880 --> 00:24:03,200
هذه هذه هذه هذه هذه هذه هذه هذه هذه هذه هذه

273
00:24:03,200 --> 00:24:03,360
هذه هذه هذه هذه هذه هذه هذه هذه هذه هذه هذه

274
00:24:03,360 --> 00:24:04,280
هذه هذه هذه

275
00:24:06,740 --> 00:24:11,640
Okay، الآن الكلام لسه ما يبقى نفس الـ rules في الموضوع

276
00:24:11,640 --> 00:24:17,040
هذه اللي هو الـ Bayesian rule في حساب الـ

277
00:24:17,040 --> 00:24:21,640
probabilities تبعت إيش؟ تبعت الـ hypotheses المختلفة

278
00:24:21,640 --> 00:24:28,240
في ظل وجود events متعددة، طبعا إحنا ما عندناش وجهة

279
00:24:28,240 --> 00:24:33,270
نشوف، لو أنا عندي... إحنا إحنا عملية، لأن... لأ عملية

280
00:24:33,270 --> 00:24:36,390
إحنا شفنا multiple events و multiple hypotheses

281
00:24:36,390 --> 00:24:41,570
صح ولا لأ؟ هذا المثال عبارة عن تعدد hypotheses و

282
00:24:41,570 --> 00:24:49,270
تعدد events، ف... بس برجع يعني بقول أن هذه الطريقة

283
00:24:49,270 --> 00:24:53,210
أو الـ method في حساب الـ probability بتستند إلى

284
00:24:53,210 --> 00:24:59,350
وجود statistics شاملة، بدي statistics عن... prior

285
00:24:59,350 --> 00:25:03,290
statistics عن كل الـ hypotheses، و posterior

286
00:25:03,290 --> 00:25:07,050
statistics عن كل واحد من الـ hypotheses في ظل كل

287
00:25:07,050 --> 00:25:12,230
واحد من الـ events، هذا الكلام ربما بده إيش؟ بده

288
00:25:12,230 --> 00:25:19,160
هيئة الإحصاء العامة تجيب البيانات، وتجيب لكل شيء

289
00:25:19,160 --> 00:25:23,960
تمام؟ عشان هيك إحنا ما بنقدرش نستخدم الـ base and

290
00:25:23,960 --> 00:25:26,640
rule إلا إذا توفرت الـ statistics، ما توفرش

291
00:25:26,640 --> 00:25:30,900
statistics، بدنا نستند إلى التخمين تبع الـ human

292
00:25:30,900 --> 00:25:34,680
expert، الـ human expert هو بيعطيني certain effect

293
00:25:34,680 --> 00:25:39,460
من تجربته، بيقول لي أن والله عادة إذا الطالب بيحمل

294
00:25:39,460 --> 00:25:44,920
شنطة كده، فغالبا هو... غالبا أو يعني باحتمال كده

295
00:25:45,170 --> 00:25:48,010
كلمة احتمال هذه إحنا بنحولها إلى رقم زي ما شفنا

296
00:25:48,010 --> 00:25:52,690
في المحاضرات، بيبقى جدول هنا، بيبقى جدول هنا،

297
00:25:52,690 --> 00:25:54,330
بيبقى جدول هنا، بيبقى جدول هنا، بيبقى جدول هنا، بيبقى

298
00:25:54,330 --> 00:25:56,110
جدول هنا، بيبقى جدول هنا، بيبقى جدول هنا، بيبقى جدول

299
00:25:56,110 --> 00:25:56,550
هنا، بيبقى جدول هنا، بيبقى جدول هنا، بيبقى جدول

300
00:25:56,550 --> 00:25:56,590
بيبقى جدول هنا، بيبقى جدول هنا، بيبقى جدول هنا، بيبقى

301
00:25:56,590 --> 00:25:58,890
جدول هنا، بيبقى جدول هنا، بيبقى جدول هنا، بيبقى جدول

302
00:25:58,890 --> 00:26:05,750
هنا، بيبقى جدول هنا، بيبقى

303
00:26:05,750 --> 00:26:14,490
جدول

304
00:26:14,490 --> 00:26:18,340
ما، هنستخدم الـ Bayesian probability، هنستخدمها في

305
00:26:18,340 --> 00:26:22,000
rule based system، إحنا الآن نحكي عن expert system

306
00:26:22,000 --> 00:26:25,360
ما نحكيش عن عملية إحصائية، وعملية probability و

307
00:26:25,360 --> 00:26:30,940
statistics، فإحنا بدنا ندمج مسألة الـ probability في

308
00:26:30,940 --> 00:26:34,760
الـ rule based expert systems، بدنا نعطي زي ما

309
00:26:34,760 --> 00:26:38,740
رجعنا، زي ما كنا شفنا قبل هيك، نعطي للـ rule في

310
00:26:38,740 --> 00:26:43,120
بداية الحكي، نعطي للـ rule probability، وعلى أساس الـ

311
00:26:43,120 --> 00:26:46,820
probability هذه نحسب الاحتمالات، ونعمل inference

312
00:26:46,820 --> 00:26:51,920
ونحسب إيش؟ الاستنتاج

313
00:26:51,920 --> 00:26:54,800
اللي ممكن نوصله على set of factors

314
00:26:57,990 --> 00:27:00,590
إحنا الـ certainty factor كان بعتمد على نظرية الـ

315
00:27:00,590 --> 00:27:04,030
certainty factor، certainty factor theory، إحنا الآن

316
00:27:04,030 --> 00:27:08,870
بنعتمد على الـ probability في إيش؟ في الـ rule based

317
00:27:08,870 --> 00:27:14,130
يعني استنادا إلى الـ probability، بناخد الـ

318
00:27:14,130 --> 00:27:18,210
probability، ونشوف كيف أنا ممكن أدمجها في الـ rule

319
00:27:18,210 --> 00:27:20,850
based expert system، إحنا هناك دمجنا الـ certainty

320
00:27:20,850 --> 00:27:23,710
factor في الـ rule based expert system، فبدي

321
00:27:23,710 --> 00:27:26,490
تركزوا معايا شوية، لأن إحنا الـ rules الآن هنصير

322
00:27:26,490 --> 00:27:32,770
شكلها شوية مختلفة، نحكي عن الـ rules، الـ rule البسيطة

323
00:27:32,770 --> 00:27:36,530
اللي كانت بتقول إذا today is rain، tomorrow is rain

324
00:27:36,530 --> 00:27:41,830
أو إذا today is dry، tomorrow is dry، بدنا نعطيها

325
00:27:41,830 --> 00:27:46,790
probability، وبدنا نعطيها كمان حاجتين أخرتين، هذا الـ

326
00:27:46,790 --> 00:27:54,050
rule بتفسير، إذا today is rain، نعطيها الرقمين هذول

327
00:27:54,050 --> 00:27:58,650
الـ Ls والـ Ln، واللي أنا بوضحهم إيش هم، وأن

328
00:27:58,650 --> 00:28:02,050
أنا أعطيها برضه كمان لـ prior probability، هد الـ

329
00:28:02,050 --> 00:28:04,790
prior probability واضحة، إيش معناها؟ يعني tomorrow

330
00:28:04,790 --> 00:28:09,150
is dry، هد بتقول لي أنه إذا today is dry، ف tomorrow

331
00:28:09,150 --> 00:28:14,290
is dry باحتمال 50%، 50% من هذه اللي بيكون اليوم

332
00:28:14,290 --> 00:28:17,950
اللي ما فيهوش مطر بيكون بكرا برضه ما فيهوش مطر

333
00:28:17,950 --> 00:28:24,680
صح؟ هد هي استنادة إحصائية، وهي أبدا احتمالي، وهنا

334
00:28:24,680 --> 00:28:28,680
العكس، أن إذا today rain بيكون tomorrow is rain

335
00:28:28,680 --> 00:28:34,880
فهذا الـ priority، إيش الآن الـ Ls والـ Ln، هدول و

336
00:28:34,880 --> 00:28:38,880
مين اللي بيحطهم؟ إيش دلالتهم؟ ومن وين بنجيبهم إحنا؟

337
00:28:38,880 --> 00:28:44,340
الـ Ls مقصود بيه هو likelihood of sufficiency، هو

338
00:28:44,340 --> 00:28:50,860
عبارة عن رقم بيحطه الـ human expert، بيدل من خلاله

339
00:28:50,860 --> 00:28:56,340
على درجة اعتقاده هو بأنه هذا كلامه، إن إذا اليوم

340
00:28:56,340 --> 00:29:01,200
رمضان، فأمس سيكون رمضان، إنه إذا تحقق هذا الـ event

341
00:29:01,200 --> 00:29:07,880
ماشي، هو بيعتقد أن تحققه يصب بشكل قوي في تحقق هذا

342
00:29:07,880 --> 00:29:12,540
الـ computer هذا، يعني الـ human expert، فالـ high

343
00:29:12,540 --> 00:29:17,860
values of LS، اللي هو likelihood of sufficiency، high

344
00:29:17,860 --> 00:29:21,360
value، يعني أكبر من واحد بكثير، indicate that the

345
00:29:21,360 --> 00:29:26,280
rule strongly supports the hypothesis، إذا الـ

346
00:29:26,280 --> 00:29:33,000
evidence تحقق، إذا الـ evidence تحقق، فإيش؟ هذا بي...

347
00:29:33,000 --> 00:29:37,760
طيب، لو ما تحققش، هل معناه ذلك أنه منعدم تماما؟ يعني

348
00:29:37,760 --> 00:29:41,840
إذا ما كانش اليوم rain، هل منعدم تماما احتمالية أنه

349
00:29:41,840 --> 00:29:47,400
بكرا يكون rain؟ لأ، ورده، وهذا هو اللي جدّش ورده بين

350
00:29:47,400 --> 00:29:52,140
إيش؟ بنعبر عنها بهذا الرقم، هذا الرقم منخفض، أقل من

351
00:29:52,140 --> 00:29:56,200
واحد، هذا الرقم بحقه الـ human expert بيقصد فيه إن

352
00:29:56,200 --> 00:29:59,700
إيش؟ أن والله في احتمال، صح؟ في احتمال أن هذا اللي

353
00:29:59,700 --> 00:30:04,460
لم يتحقق، أن اليوم مار مار مار مار مار مار مار مار

354
00:30:04,460 --> 00:30:04,820
مار مار مار مار مار مار مار مار مار مار مار

355
00:30:04,820 --> 00:30:05,280
مار مار مار مار مار مار مار مار مار مار مار

356
00:30:05,280 --> 00:30:06,380
مار مار مار مار مار مار مار مار مار مار مار

357
00:30:06,380 --> 00:30:06,600
مار مار مار مار مار مار مار مار مار مار مار

358
00:30:06,600 --> 00:30:06,900
مار مار مار مار مار مار مار مار مار مار مار

359
00:30:06,900 --> 00:30:14,740
مار مار

360
00:30:14,740 --> 00:30:22,870
مار، أقل بكثير من احتمال، أقل بكثير من ثقتنا بأنه

361
00:30:22,870 --> 00:30:29,070
أنه إذا كان اليوم rain بكرا هيكون rain، ماشي، هنا الـ

362
00:30:29,070 --> 00:30:32,150
rule الثاني إيش أصلا بيقول؟ today is dry، فبكرا dry

363
00:30:32,150 --> 00:30:39,190
الرقم هذا 1.6 بيقول، بيشير إلى أن الـ human expert

364
00:30:39,190 --> 00:30:44,740
بيعتقد أنه إذا today is dry، ففعلا بكرا هيكون dry، و

365
00:30:44,740 --> 00:30:50,440
ب... و ب... و بدرجة يعني توقع شديدة، مش شديدة

366
00:30:50,440 --> 00:30:56,860
كثير، لأنه عمليًا عمليًا ممكن يجي أيام كثيرة جدًا rain و

367
00:30:56,860 --> 00:31:01,340
لكن أكثر يبقى rain، بس... بس بالأغلب لو اليوم rain

368
00:31:01,340 --> 00:31:05,420
الناس بتتوقع أنه برضه بكرا هيكون rain، صح؟ على

369
00:31:05,420 --> 00:31:09,840
جانب في شوية مطر، بواجهة ما كملتش في اليوم هذا، يكون

370
00:31:09,840 --> 00:31:16,730
مضايق اللي بدأت تنزل مبكرًا، هنا إذا dry يوم، اه

371
00:31:16,730 --> 00:31:23,250
بنستبعد أن يكون بكرا فيه rain، okay، بس الاحتمال...

372
00:31:23,250 --> 00:31:26,970
الاحتمال أنه إذا بكرا dry يكون... إذا اليوم dry

373
00:31:26,970 --> 00:31:31,950
بكرا يكون dry وارد، ولكن مش بقوة اللي هو حد المقرر، و

374
00:31:31,950 --> 00:31:34,950
هنا العكس، ليش... كيف نفهم اللي أعرفه في المجلد

375
00:31:34,950 --> 00:31:39,410
الآن أنه if today is إيش؟ هي دي في حد ما يكون الـ

376
00:31:39,410 --> 00:31:43,510
evidence false، في حال ما يكون الـ rain، إيش يعني الـ

377
00:31:43,510 --> 00:31:46,650
event، و أتفق، يعني today is rain، في حال ما يكون الـ

378
00:31:46,650 --> 00:31:49,930
rain، إيش احتمال أن يكون بكرا؟ دلوقت وارد، بس

379
00:31:49,930 --> 00:31:55,890
بنسبة إيش؟ أربعين في المئة تقريبا، احتمال يكون

380
00:31:55,890 --> 00:32:01,100
بنسبة خمسين في المئة، هذه الـ 50% هذه

381
00:32:01,100 --> 00:32:03,740
اللي هي بدون أي شروط، بدون أي evidence، فماذا يعني

382
00:32:03,740 --> 00:32:06,920
شريط الخمسة في point 3؟ الخمسة هذه أنه بصفة عامة

383
00:32:06,920 --> 00:32:10,260
إحنا دلوقتي هم الخمسة هذه إنهم الـ experts، بالظبط

384
00:32:10,260 --> 00:32:13,620
هذه initial priority، ممكن تيجي من الـ statistics أو

385
00:32:13,620 --> 00:32:18,160
تنحط عشوائيًا، هتتعدل مع الـ، مع الحسب بناء على

386
00:32:18,160 --> 00:32:22,680
المعطيات اللي هنا، فالآن خلي بالك الـ system هذا هو

387
00:32:22,680 --> 00:32:30,080
يشتغل بالـ rules هذه، الـ rules، بدأنا نحط هذه الـ rule

388
00:32:30,080 --> 00:32:31,740
بقى واحدة، رقم اثنين، اللي قبلها رقم اثنين، اللي

389
00:32:31,740 --> 00:32:32,120
قبلها رقم اثنين، اللي قبلها رقم اثنين، اللي قبلها

390
00:32:32,120 --> 00:32:34,900
رقم اثنين، اللي قبلها رقم اثنين، اللي قبلها رقم

391
00:32:34,900 --> 00:32:35,940
اثنين، اللي قبلها رقم اثنين، اللي قبلها رقم اثنين

392
00:32:35,940 --> 00:32:36,400
اللي قبلها رقم اثنين، اللي قبلها رقم اثنين، اللي

393
00:32:36,400 --> 00:32:41,380
رقم اثنين، اللي قبلها رقم اثنين، اللي قبلها رقم

394
00:32:41,380 --> 00:32:49,960
اثنين اللي قبلها رقم

395
00:32:49,960 --> 00:32:57,590
ألقى أن rule الطبقات يجب أن يستنتج منها بس است

445
00:37:17,100 --> 00:37:21,600
بضربها في الـ S صح؟ أنا أجعل الـ event true ولا لأ؟

446
00:37:21,600 --> 00:37:25,000
إنه today ليه true؟ لأ، رايحين نقول لأنه أنا أجيب إجابة

447
00:37:25,000 --> 00:37:30,640
الـ user اللي جايبني، فبضرب في إيش؟ في الـ S، الـ L، S

448
00:37:30,640 --> 00:37:37,680
2.5 مظبوط، 2.5 في مين؟ بضرب في الـ

449
00:37:37,680 --> 00:37:40,860
watch لأن حساب اللي أنا ليه الـ one بتصير two point

450
00:37:40,860 --> 00:37:46,280
five ماشي الحال. الآن وصلت للمرحلة الأخيرة اللي هي

451
00:37:46,280 --> 00:37:52,700
probability of H given E اللي هي عبارة عن إيش؟

452
00:37:52,700 --> 00:37:59,580
اللي هي عبارة عن هذا على واحد زائد نفسه، صح؟ 2.5

453
00:37:59,580 --> 00:38:06,500
على واحد زائد 2.5 يساوي 2.5 على 3.5 يساوي اللي هو

454
00:38:06,500 --> 00:38:14,670
0.7. شو هذا الرقم؟ probability جديد لهذا الاحتمال، أو

455
00:38:14,670 --> 00:38:19,670
لهذا الـ hypothesis، صح؟ لأن أنا بسجل هذه الدالة إنه

456
00:38:19,670 --> 00:38:26,790
الـ hypothesis H اللي هو إن tomorrow tomorrow is

457
00:38:26,790 --> 00:38:33,670
غير الـ probability تبعته، فهذا الكلام بيساوي 0.71

458
00:38:33,670 --> 00:38:40,000
تمام؟ اه، السؤال: أنا كنت أوضح الشغل اللي عرضته ليه؟

459
00:38:40,000 --> 00:38:42,020
هي مع الـ X بيبقى مشهور حتى اللي إثنين ما بصوا اللي

460
00:38:42,020 --> 00:38:45,000
.. صحيح صحيح صحيح، الـ point 6 برضه لإعتبار أنه

461
00:38:45,000 --> 00:38:48,600
force يعني اللي بيحكي لك ممكن تمطر، بس بالنسبة أقل

462
00:38:48,600 --> 00:38:56,200
بيحكي لي أنه إذا ما مطرتش اليوم، هذا الـ LN اللي هو

463
00:38:56,200 --> 00:39:02,140
likelihood of necessity هو مؤشر على أنه لو ما حدثش

464
00:39:02,140 --> 00:39:06,210
الـ event هذا، في حالة غياب الـ event، هل أقدر أستنتج

465
00:39:06,210 --> 00:39:13,490
و بـ .. أستنتج نفس الـ situation وبأي نسبة؟ هذا أنه

466
00:39:13,490 --> 00:39:21,060
إذا حدث، أقدر أستنتج بنسبة .. بقوة، هذه درجة قوة

467
00:39:21,060 --> 00:39:25,980
الاعتقاد، الـ human expert بيعتقد إنه هذا مؤدي لهذا

468
00:39:25,980 --> 00:39:30,960
بدرجة كبيرة، عشانها حاطط 2.5، بينما في نفس الوقت

469
00:39:30,960 --> 00:39:35,580
بيعتقد إنه حتى لو ما حدثتش، برضه ممكن يحدث الـ event

470
00:39:35,580 --> 00:39:45,780
ولكن هو اعتقاده ضعيف، 6 من 10. خلي بالك أنا في

471
00:39:45,780 --> 00:39:51,350
هنا في الـ slide، فلتتها وهي إن هذه الـ S والـ M أنا

472
00:39:51,350 --> 00:39:55,430
أستطيع أشتقهم من الـ statistics، لو عندنا statistics

473
00:39:58,860 --> 00:40:03,100
لو عندنا statistics، نستطيع إنه نقول الـ human

474
00:40:03,100 --> 00:40:06,940
expert يعطيك العافية تماماً، وأنا بقدر آخد الـ

475
00:40:06,940 --> 00:40:10,400
likelihood values هذه بناءً على الـ statistics بس

476
00:40:10,400 --> 00:40:14,260
إحنا ليش قلناها؟ لو ما فيش statistics، وغالباً مش

477
00:40:14,260 --> 00:40:17,200
هيبقى فيه statistics. أنا ما بقدر أجيب statistics في

478
00:40:17,200 --> 00:40:20,720
كل مجال بدي أعمل فيه expert system، اللي هي الـ

479
00:40:20,720 --> 00:40:24,900
statistics حاضرة، وحاضرة لكل الـ events المحتملة، وكل

480
00:40:24,900 --> 00:40:29,550
الـ hypothesis المحتملة، صح؟ hypothesis المحتملة، فأنا

481
00:40:29,550 --> 00:40:33,750
بستعيض عن ذلك بالـ human expert اللي شغال في هذا

482
00:40:33,750 --> 00:40:37,150
المجال الدقيق، وبقول له: اعطيني الـ values هذه، اعطيني

483
00:40:37,150 --> 00:40:40,850
الـ rules، وحط لي لكل rule الـ likelihood values تبع

484
00:40:40,850 --> 00:40:49,450
الـ necessity

485
00:40:49,450 --> 00:40:55,130
و

486
00:40:55,130 --> 00:41:00,430
الـ sufficiency. أو نكمل كمان خطوتين من المثال، وصلنا

487
00:41:00,430 --> 00:41:04,570
إحنا لهناك. حلو، هذا الاستنتاج إن tomorrow is rain

488
00:41:04,570 --> 00:41:09,930
متوقع بنسبة 71%. طيب، إيش رأيكوا إنه أنا الآن rule

489
00:41:09,930 --> 00:41:16,110
رقم واحد، مش هي اللي لحالها، بقدر إيش أعملها firing

490
00:41:16,110 --> 00:41:22,790
الـ expert system ممكن يعمل firing لمين؟ rule رقم

491
00:41:22,790 --> 00:41:27,430
إثنين أيضاً. معين، rule رقم إثنين بتشترط الشرط تبعها

492
00:41:27,430 --> 00:41:36,310
إن اليوم dry، اليوم dry، صح؟ أيوة. أنا

493
00:41:36,310 --> 00:41:41,870
الآن برضه أنظر إلى dry هذا على إنه لم يتحقق، وأحسب

494
00:41:41,870 --> 00:41:49,810
الاستنتاج هذا بناءً على الـ LN. لأ، أنا مش عندي rain

495
00:41:49,810 --> 00:41:54,460
الـ event اللي عندي هو rain. لما يكون عكس الـ dry، إيش

496
00:41:54,460 --> 00:41:59,600
معنى ذلك؟ إن dry لم يتحقق، يبقى بقدر أحسب الاستنتاج

497
00:41:59,600 --> 00:42:06,600
هذا على أساس من الـ LN. إحنا إيش قلنا أصلاً؟ الـ LN إيش

498
00:42:06,600 --> 00:42:10,560
وظيفته إنه إذا لم يتحقق الشرط هنا، فهو الرقم واحد.

499
00:42:10,560 --> 00:42:13,240
كان متحقق مرتين، ما حسبناش على أساسه، حسبنا على أساس

500
00:42:13,240 --> 00:42:17,880
الـ LS. الـ LS الآن هو الرقم إثنين. أنا بدي أشوف

501
00:42:17,880 --> 00:42:21,500
الـ dry على إنه لم يتحقق لأنه غير موجود، وأحسبها

502
00:42:21,500 --> 00:42:25,320
على أساسه. هذا هو اللي عامله هنا بالظبط، اللي هو جاب لك

503
00:42:25,320 --> 00:42:28,000
إيه، إيش إن اليوم مطلوب؟ هو مفهوم إن اليوم مطلوب

504
00:42:28,000 --> 00:42:32,060
فراح حسب الـ .. الـ odds على أساس إيش؟ أو .. أو ..

505
00:42:32,060 --> 00:42:35,220
الـ odds دائماً هي حسب الـ .. الـ .. الـ .. الـ prior

506
00:42:35,220 --> 00:42:38,740
odds. لما حسبها حسب الـ posterior odds، الـ posterior

507
00:42:38,740 --> 00:42:41,480
odds حسبها على أساس الـ .. الـ .. الـ .. الـ .. اللي

508
00:42:41,480 --> 00:42:46,580
هو إن اليوم مطلوب. اليوم مطلوب، هذا اليوم مطلوب، عكس

509
00:42:46,580 --> 00:42:52,490
اليوم مطلوب، وطلعت الأربعية الآن حسب الـ .. إيش؟ من

510
00:42:52,490 --> 00:42:55,910
الـ posterior odds، حسب الـ posterior probability

511
00:42:55,910 --> 00:42:59,130
اللي هي الأربع على واحد زائد أربعة، و عشرة على واحد

512
00:42:59,130 --> 00:43:00,250
زائد أربعة، وعشرة على واحد زائد أربعة، وأربعة وأربعة وأربعة

513
00:43:00,250 --> 00:43:01,270
وأربعة وأربعة وأربعة وأربعة وأربعة وأربعة وأربعة

514
00:43:01,270 --> 00:43:02,370
وأربعة وأربعة وأربعة وأربعة وأربعة وأربعة وأربعة

515
00:43:02,370 --> 00:43:02,410
وأربعة وأربعة وأربعة وأربعة وأربعة وأربعة وأربعة

516
00:43:02,410 --> 00:43:04,070
وأربعة وأربعة وأربعة وأربعة وأربعة وأربعة وأربعة

517
00:43:04,070 --> 00:43:05,790
وأربعة وأربعة وأربعة وأربعة وأربعة وأربعة وأربعة

518
00:43:05,790 --> 00:43:18,750
وأربعة وأربعة وأربعة وأربعة وأربعة وأربعة

519
00:43:18,750 --> 00:43:24,190
ألو، أنا طلعت اليوم rain. تمام، بالنسبة معينة طلعت

520
00:43:24,190 --> 00:43:31,770
طلعت طلعت طلعت طلعت طلعت طلعت طلعت

521
00:43:31,770 --> 00:43:33,650
طلعت طلعت طلعت طلعت طلعت طلعت طلعت طلعت طلعت طلعت

522
00:43:33,650 --> 00:43:35,130
طلعت طلعت طلعت طلعت طلعت طلعت طلعت طلعت طلعت طلعت

523
00:43:35,130 --> 00:43:37,750
طلعت طلعت طلعت طلعت طلعت طلعت طلعت طلعت طلعت طلعت

524
00:43:37,750 --> 00:43:39,970
طلعت طلعت طلعت طلعت طلعت طلعت طلعت طلعت طلعت طلعت

525
00:43:39,970 --> 00:43:41,830
طلعت طلعت طلعت طلعت طلعت طلعت طلعت طلعت طلعت طلعت

526
00:43:42,530 --> 00:43:45,970
هذا درجة طبعاً، بس هو كلامك صحيح الآن، لأن هي دي أنا

527
00:43:45,970 --> 00:43:48,590
استنتاج نتج عن two rules، والـ two rules اللي هو

528
00:43:48,590 --> 00:43:56,030
واحد عكس الثاني، صح؟ اه، فإحنا الآن في السؤال التالي

529
00:43:56,030 --> 00:43:59,390
في الـ dialogue، بكمل الأسئلة وبسأل الـ user عنه

530
00:43:59,390 --> 00:44:04,610
اللي هي rainfall، قداش الـ rainfall؟ مستوى الـ low ولا

531
00:44:04,610 --> 00:44:10,040
كده ولا high ولا تمام؟ low. وبعدين هي كده، وبالتالي هذه

532
00:44:10,040 --> 00:44:13,700
نفس الكلام اللي كنا فيه بالحالة الأولى، في حالة الـ

533
00:44:13,700 --> 00:44:17,260
certainty factors. فهي عندي rain وهي عندي low

534
00:44:17,260 --> 00:44:20,160
فاتحققت من الـ rule ثلاثة، وبناءً على الـ rule ثلاثة

535
00:44:20,160 --> 00:44:26,840
الآن بدي أريد حساب، من أستنتج ضرائي لهذا الـ rule

536
00:44:26,840 --> 00:44:31,640
ضرائي، بس بدي أريد حساب اللي هو probability تبع هذا

537
00:44:31,640 --> 00:44:37,880
الاستنتاج، فبيطلع معاه بعد هيك إيش؟ 80%. فبكامِل إنه في

538
00:44:37,880 --> 00:44:43,320
صار في اليوم rainfall، ولكنه ما انخفض، فرفع احتمالية

539
00:44:43,320 --> 00:44:49,100
إنه بكره rain dry، ولكن برفع احتمالية إنه rain، لأن

540
00:44:49,100 --> 00:44:52,920
هدول بيجمعوا، ما بيجمعوش، صح؟ لأن صار في عندي هذه

541
00:44:52,920 --> 00:44:55,720
الكلام جاي على ثلاثة rules، وثلاثة rules لأن في

542
00:44:55,720 --> 00:45:00,120
مقاييس مختلفة، مش إنه واحدة عكس الثانية. أنا بقدر

543
00:45:00,120 --> 00:45:04,180
أسيبكم تكملوا أنتم لحالكم على الـ example هذا، و

544
00:45:04,180 --> 00:45:09,720
تشوفوا كيف تحسوا فيها، بتستمتعوا. والمحاضرة الجاية

545
00:45:09,720 --> 00:45:13,400
إن شاء الله بكون محاضِر لكم exercise، exercise

546
00:45:13,400 --> 00:45:17,420
تتحلوا لوحدكم طبعاً. فإحنا عملياً من الآن بنكون خلصنا

547
00:45:17,420 --> 00:45:25,000
الـ slides هذه كلها؟ أي نعم، كلها، وبنكون وقفنا

548
00:45:25,000 --> 00:45:32,760
في الـ .. في الـ sequence تبعنا، عند هذا، هذا الـ band

549
00:45:32,760 --> 00:45:36,380
أنا زي ما قُلت، هذا الـ band أنا هأترككم أنتم

550
00:45:36,380 --> 00:45:41,680
مراجعة عامة لكلام اللي أخذتو في الـ probability، و

551
00:45:41,680 --> 00:45:45,680
نبتدئ إحنا بيكون، ووقفنا هنا. المحمد جايب بـ ..

552
00:45:45,680 --> 00:45:49,860
بيعطيكم exercise، وبيحكي في النقطتين الأخيرتين.