Quiz Chapter 2 - ESIEA PDF

## Evaluation du chapitre 2: relecture de tentative | ENT ESIEA ### Question 1 - Incorrect - Note: 9.40 / 20.00 (47%) - Le graphe suivant est un DAG - Vrai - Faux - La réponse correcte est "Faux" ### Question 2 - Correct - Note: 1.00 / 1.00 - Le graphe suivant est un DAG - Vrai...

## Evaluation du chapitre 2: relecture de tentative | ENT ESIEA ### Question 1 - Incorrect - Note: 9.40 / 20.00 (47%) - Le graphe suivant est un DAG - Vrai - Faux - La réponse correcte est "Faux" ### Question 2 - Correct - Note: 1.00 / 1.00 - Le graphe suivant est un DAG - Vrai - Faux - La réponse correcte est "Vrai" ### Question 3 - Incorrect - Note: 0.00 / 1.00 - Soit le DAG suivant: - A - B - C - Quelle relation encode-t-il? - ABC - ALC B - Aucune de ces réponses - ALBC - La réponse correcte est: ABC ### Question 4 - Partially correct - Note: 4.00 / 8.00 - Soit le DAG suivant: - A - B - C - D - E - F - G - Quelles affirmations sont correctes? - Les variables B et C sont marginalement dépendantes. - Le nœud A a un degré entrant de 3. - La variable G est indépendante de toutes les autres variables du DAG. - Le nœud G ne d-sépare aucun des nœuds du graphe. - Les variables C et E sont marginalement dépendantes. - Les nœuds A et D d-séparent les nœuds E et C. - Les nœuds A et F d-séparent les nœuds B et D. - La variable E est indépendante de la variable D conditionnellement à la variable F. - La variable B est indépendante de la variable E conditionnellement aux variables A et C. - Si la variable F est observée, alors les variables C et E deviennent dépendantes. - Si la variable A est observée, alors les variables C et E deviennent dépendantes. - Le nœud A d-sépare les nœuds B et D. - Le nœud A a un degré sortant de 3. - Your answer is partially correct. - The correct answers are: - The variable G is independent of all other variables in the DAG. - If the variable F is observed, then the variables C and E become dependent. - The node A d-separates the nodes B and D. - The nodes A and F d-separate the nodes B and D. - The variable E is independent of the variable D conditioned on the variable F. - The variables B and C are marginally dependent. - The node G does not d-separate any of the nodes in the graph. - The node A has an outbound degree of 3. ### Question 5 - Correct - Note: 1.00 / 1.00 - Soit le DAG suivant: - A - B - C - D - E - F - Quelle est la formule des probabilités composées simplifiée par le DAG? - P(A)P(B)P(C)P(D | A)P(E | A, B, C)P(F|A, E) - P(A | D, E, F)P(B|E)P(C|E)P(D)P(E | F)P(F) - None of these answers. - P(A|B, C, D, E, F)P(B|A, C, D, E, F)P(C | A, B, D, E, F)P(D | A, B, C, E, F)P(E | A, B, C, D, F)P(F | A, B, C, D, E) - P(A, B, C, D, E, F)P(A)P(B)P(C)P(D)P(E)P(F) - Your answer is correct. - The correct answer is: P(A)P(B)P(C)P(D|A)P(E | A, B, C)P(F | A, E) ### Question 6 - Partially correct - Note: 0.40 / 2.00 - What are the main steps of constraint-based algorithms for DAG learning? - Initialization - Graph fully connected - Step 1 - Identification of conditional independences - Step 2 - Identification of v-structures - Step 3 - Orientation of the rest of the graph - Step 4 - Calculation of a score of adequacy - Your answer is partially correct. - The correct answer is: - Initialization -> Fully connected graph, - Step 1 -> Identification of direct independences, - Step 2 -> Identification of conditional independences, - Step 3 -> Identification of v-structures, - Step 4 -> Orientation of the rest of the graph ### Question 7 - Partially correct - Note: 1.00 / 3.00 - Soit le DAG suivant: - A - B - C - D - E - F - The Markov blanket of the variable B is composed of the variables: - C - Empty set - E - D - A - F - Your answer is partially correct. - The correct answers are: - A - E - F ### Question 8 - Incorrect - Note: 0.00 / 1.00 - Soit le graphe suivant: - A - B - C - D - E - F - True or false: the variable A appears in the Markov blankets of all variables (except itself). - True - False - The correct answer is: Vrai ### Question 9 - Correct - Note: 2.00 / 2.00 - A Bayesian network... - only allows prediction. - is a model representing the relationships of dependence and independence between the variables. - must be learned in two steps: structure and parameters. - does not allow taking into account expert knowledge. - ... only allows prediction?: False - is a model representing the relationships of dependence and independence between the variables?: True - must be learned in two steps: structure and parameters?: True - does not allow taking into account expert knowledge?: False