UNIVERSIDAD CESAR VALLEJO

DE CHIMBOTE

MANEJO DE INCETIDUMBRE EN
LOS SISTEMAS EXPERTOS

Ing. Robert Sánchez T.

1
 Capacidades

• Conocer la importancia de las reglas en el conocimiento

de un sistema experto.
• Reconoce como el razonamiento humano se trabaja con
la incertidumbre.

PROBLEMATIZACIÓN

¿Cómo se modela computacionalmente la incertidumbre?

2
 INCERTIDUMBRE

La incertidumbre puede considerarse como la falta de

información adecuada para tomar una decisión; esto es un
problema porque puede evitar se tome la mejor e incluso puede
provocar que se tome una equivocada.

Información
- Incompleta.
- Poco confiables.
Conocimiento
-Impreciso
- Contradictorio

3
Ejemplo
IF (paciente, fiebre, mucha)
AND (paciente, tose, bastante)
AND (paciente, dolor_muscular, sí)
THEN (paciente, padece, gripe)
OR (paciente, padece, bronquitis)
OR (paciente, padece, tuberculosis)
OR ...

4
Factor de Certeza
- Expresa el nivel de posibilidad de ocurrencia de un hecho.
- Se basa en la experiencia de un experto humano.
- Los factores de certeza no son complementarios.

Ejemplo
- El factor que lloverá mañana en la noche (0.90).
- El factor de que no lloverá mañana en la noche (0.20)

5
R1: Si tiene fiebre entonces padece gripe (0,5)
R2: Si tiene fiebre entonces padece bronquitis (0,1)
R3: Si tiene fiebre entonces padece tuberculosis (0,4)
R4: Si tose mucho entonces padece gripe (0,1)
R5: Si tose mucho entonces padece bronquitis (0,7)
R6: Si tose mucho entonces padece tuberculosis (0,2)
R7: Si tiene dolores musculares entonces padece gripe (0,7)

6
 USO DE FACTORES DE CERTEZA EN
REGLAS

Modelo 1

Si Si
a Fca a Fca
^ b FCb ^ b FCb
=> x FCx? => x FCx = Min{Fca,Fcb}

7
 USO DE FACTORES DE CERTEZA EN
REGLAS

Modelo 2

Si Si
a Fca a Fca
v b FCb v b FCb
=> x FCx? => x FCx = Max{Fca,Fcb}

8
 USO DE FACTORES DE CERTEZA EN
REGLAS

Modelo 3
R3 Fcr R3 Fcr
Si Si
a Fca a Fca
^ b FCb ^ b FCb
=> x FCx? => x FCx =
Min{Fca,Fcb}*Fcr

9
 USO DE FACTORES DE CERTEZA EN
REGLAS

Modelo 4
R4 Fcr R4 Fcr
Si Si
a Fca a Fca
v b FCb v b FCb
=> x FCx? => x FCx =
Max{Fca,Fcb}*Fcr

10
FACTORES EN REGLAS CON LA MISMA
CONCLUSION

Sucede cuando se dan opiniones diferentes sobre una

misma enfermedad

R1 Si a ^ b => x , FCR1(0.9)
R2 Si m ^ w => x , FCR2(0.8)
R3 Si p=>x , FCR3(0.95)

11
FACTORES EN REGLAS CON LA MISMA
CONCLUSION

CASO A

R1 Si p ^ q => x , FCR1(0.8)
R2 Si p ^ r => x , FCR2(0.7)

FC(R1,R2) = FC(R1)+FC(R2)-FC(R1)*FC(R2)
= 0.8 + 0.7 – 0.8 * 0.7
=0.94

12
FACTORES EN REGLAS CON LA MISMA
CONCLUSION

CASO B

R1 Si p ^ q => x , FCR1(0.8)
R2 Si p ^ r => x , FCR2(0.7)
R3 Si z => x , FCR3(0.6)

FC(R1,R2,R3) = FC(R1R2)+FC(R3)-FC(R1R2)*FC(R3)
= 0.94 + 0.6 – 0.94 * 0.6
=0.98

13
FACTORES EN REGLAS CON LA MISMA
CONCLUSION

Ejercicio
R1: Si a(0.90) ^ b(0.80) => c
R2 (0.90): si c v d(0.1) =>e
R3 : si e ^ f (0.70) ^ g (1.0) => h
R4 : si h ^ i (0.90) => x
R5 : si m(0.90) v p(0.80) =>x
R6 : si x ^ y (0.80) =>z hallar FCz=?

14
 PROBABILIDAD CLASICA

Una herramienta antigua, pero todavía muy importante para la

solución de problemas de IA es la probabilidad. Se trata de una
manera cuantitativa de manejar la incertidumbre.
A la probabilidad clásica también se le llamó probabilidad a priori
debido a que trata con juegos o sistemas de azar. Una
probabilidad a priori considera juegos como los dados las cartas,
las monedas o cualquier cosa similar, como sistemas ideales que
no se desgastan.
Por ejemplo al tirar un dado, los tiros posibles son 1,2,3,4,5 y 6; si
el dado es limpio (no está cargado), entonces cada cara tiene la
misma probabilidad de salir P(1)=1/6, P(2)=1/6, etc.
Cuando una prueba se repite varias veces y arroja exactamente el
mismo resultado, el sistema es determinístico; en casi contrario,
es no determinístico o aleatorio.

15
 PROBABILIDADES COMPUESTAS

Las probabilidades de los eventos compuestos pueden

calcularse a partir de sus espacios de la muestra. En un
ejemplo simple, consideramos la probabilidad de lanzar un
dado de manera tal que el resultado sea un número par y
divisible entre tres. Esto puede expresarse como un
diagrama de Venn para los conjuntos
A={2,4,6} B={3,6}

Para nuestro dado, los eventos de un numero par y divisible

entre estas se afectan definitivamente entre sí y, de este
modo, no es un experimento estocástico. La probabilidad de
que caiga un número par en un dado y un número divisible
entre tres el otro es estocástica.
16