Ketidaktentuan –Tidak lengkap –tidak konsisten, –tidakpasti… atau ketiga- tiganya sekali.

Ketidaktentuan maklumat boleh dikatakan tidak sesuai untuk menyelesaikan sesuatu masalah. Ketidaktentuan –kekurangan maklumat tepat yang membolehkan mencapai kesimpulan yang benar. – Lojik klasik membenarkan hanya penaakulan tepat. Ia anggap pengetahuan tepat boleh dapati dan ‘law of the excluded middle’ boleh digunakan. IF A is true IF A is false THEN A is not false THEN A is not true

Uncertainty Problem Sources of uncertainty in ES –Weak implication –Imprecise language –Unknown data –Difficulty in combining the views of different experts

Sumber pengetahuan Ketidaktentuan Implikasi lemah. –Pakar domain dan jurutera pengetahuan sukar untuk mencari perhubungan yang konkrit antara bahagian petua IF (syarat) dan THEN (aksi/ tindakan). –Oleh itu, sistem pakar perlu mempunyai kebolehan untuk mengendalikan perhubungan besar seperti darjah perhubungan iaitu Faktor Ketentuan numerikal ( numerical certainty factor ).

Sumber pengetahuan Ketidaktentuan Bahasa yang tidak lengkap/ tepat. –Bahasa tabie kita adalah tidak lengkap. –fakta seperti ‘selalu’, ‘kadang-kadang’, ‘jarang’ atau ‘sekali- sekala’. –menyukarkan pengetahuan diterjemahkan dalam bentuk petua pengeluaran IF- THEN. –Pada 1944, Ray Simpson menanya 355 pelajar sekolah menengah dan kolej, untuk menskelkan 20 bentuk ‘often’ antara –1968, Milton Hakel juga mengulangi eksperimen ini.

Sumber pengetahuan Ketidaktentuan Data yang tidak diketahui. –Apabila data tidak lengkap atau hilang, satu penyelesaian ialah menerima nilai ‘tidak ketahui’ dan teruskan kepada penaakulan yang terhampir (approximate).

Sumber pengetahuan Ketidaktentuan Membandingkan pandangan pakar yang berbeza. –Bagi sistem pakar yang besar, pengetahuan beberapa pakar diambil kira. –pakar yang berbeza memberi pandangan yang berbeza. –menghasilkan petua yang konflik. –Untuk menyelesaikan konflik ini, jurutera pengetahuan mestilah kempil sekali pemberat kepada setiap pakar dan kirakan kesimpulan komposit. –Namun, tiada metod sistematik untuk mengira pemberat ini.

Pengurusan Ketidaktentuan dalam sistem berdasarkan petua  Teori kebarangkalian asas  Penaakulan Bayesian  Teori Faktor Ketentuan( CF)

Teori asas Kebarangkalian  Kebarangkalian sesuatu kejadian adalah pembahagian kes kejadian yang terjadi. Kebarangkalian boleh ditakrifkan sebagai satu peluang pengukuran saintifik.

Teori asas Kebarangkalian  Kebarangkalian boleh digambarkan secara matematik sebagai satu indeks numerikal dengan julat antara 0 ( satu Ketidaktentuan) ke uniti (satu Ketentuan).  Kebanyakan kejadian mempunyai indeks Kebarangkalian antara 0 dan 1, yang bermaksud setiap kejadian mempunyai >= 2 hasil jawapan: Kejayaan atau kegagalan.

Teori asas Kebarangkalian 

 Sekiranya s adalah bilangan berlakunya kejayaan dan f adalah bilangan berlakunya kegagalan :-   Sekiranya kita buang satu duit syiling, satu kebarangkalian untuk mendapat satu kepala adalah sama dengan mendapat satu ekor. Dalam pembuangan yang pertama, s= f= 1 dan oleh itu, kebarangkalian untuk mendapat kepala (ekor) adalah 0.5.

Kebarangkalian Bersyarat (Conditional Probability)  Diberi A adalah satu kejadian dalam persekitaran dan B adalah kejadian lain. –Sekiranya kejadian A dan B adalah tidak ‘mutually’ ekslusif, tetapi terjadi disebabkan oleh kejadian lain. –Kebarangkalian bersyarat adalah kebarangkalian kejadian A akan berlaku sekiranya kejadian B berlaku.

Kebarangkalian Bersyarat (Conditional Probability)  Formula kebarangkalian bersyarat secara matematik ialah p( A/ B) atau simbol / ini bermaksud diberikan/ given atau boleh diterjemahkan sebagai :

Kebarangkalian Bercantum (Jointly probability)  Bilangan kejadian A dan B boleh berlaku, atau kebarangkalian kedua- dua A dan B akan terjadi dipanggil kebarangkalian bercantum A dan B diwakili sbg p(  B).  Bilangan B akan berlaku adalah kebarangkalian B, p( B), oleh itu

Kebarangkalian Bercantum (Jointly probability) Begitu juga, kebarangkalian bersyarat kejadian B terjadi diberi kejadian A telah terjadi setara dengan

Kebarangkalian Bercantum (Jointly probability) Oleh itu, Masukkan persamaan terakhir kepada persamaan

Oleh itu, Gantikan persamaan terakhir dgn pers. berikut dan mendapat Bayesian rule:

where: p(A  B) is the conditional probability that event A occurs given that event B has occurred; p(B  A) is the conditional probability of event B occurring given that event A has occurred; p(A) is the probability of event A occurring; p(B) is the probability of event B occurring. Bayesian rule

The joint probability

Jika Berlakunya A bersandar kpd B dan NOT B, kita perolehi: dimana  mewakili NOT. Sama,

Menggantikan persamaan ini kedlm petua Bayesian;

Pengurusan Ketidaktentuan dalam sistem berdasarkan petua  Teori kebarangkalian asas  Bayesian Reasoning. Bayesian Reasoning.  Certainty_factors.ppt Certainty_factors.ppt