En Reconocimiento de patrones y Aprendizaje de Máquina Obispo escribe sobre redes de Bayes:
Para aplicaciones prácticas de los modelos probabilísticos, por lo que normalmente ser la highernumbered variables correspondientes a los nodos terminales de la gráfico que representa las observaciones, con los números más bajos de los nodos correspondientes a las variables latentes. La función principal de la latente variables es permitir una complicada distribución a través de la observada las variables a ser representado en términos de un modelo construido a partir de más simple (normalmente exponencial de la familia) distribuciones condicionales.
Y después de un par de líneas:
Las variables ocultas en un modelo probabilístico no es necesario, sin embargo, han cualquier explícita interpretación física, pero puede ser introducido simplemente permitir una más compleja articulación de distribución a ser construido a partir de simple componentes.
¿Qué crees que quiere decir con este tipo de variables ocultas (sin interpretación física)?
Lo que puede ser un ejemplo simple de esto?
Pensé acerca de la mezcla de gaussianas, pero que no corresponden a una situación en la que las variables que nos interesa son highernumbered.
