Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MODELOS DE DEPENDENCIA
Grafoide. Un grafoide es un conjunto de relaciones de independencia que
es cerrado con respecto a las propiedades de simetra, descomposicin,
unin dbil, contraccin e interseccin.
Semigrafoide. Un semigrafoide es un conjunto de relaciones de
independencia que es cerrado con respecto a las propiedades de simetra,
descomposicin, unin dbil y contraccin.
Por tanto, un grafoide debe satisfacer las cinco primeras propiedades, mien- tras que
un semigrafoide debe satisfacer solo las cuatro primeras (ver Pearl y Paz (1987) y
Geiger (1990)).
Dada una lista inicial de independencias, un grafo, o una funcion de probabilidad
conjunta, siempre es posible determinar que relaciones de in- dependencia se
cumplen en el modelo y, por tanto, determinar su estructura cualitativa. Por tanto,
estos tipos de modelos denen clases particulares de los denominados modelos de
dependencia.
Modelo de Dependencia. Cualquier modelo M de un conjunto de
variables {X 1 ,..., Xn} mediante el cual se pueda determinar si la
relacin I(X, Y |Z) es o no cierta, para todas las posibles ternas de
subconjuntos X, Y y Z, se denomina modelo de dependencia.
Modelo de dependencia probabilstico. Un modelo de
dependencia M se denomina probabilstico si contiene todas las
relaciones de independencia dadas por una funcion de probabilidad
conjunta p(x 1 ,..., xn).
Modelo de dependencia probabilstico no ex- tremo. Un modelo
de dependencia probabilstico no extremo es un mo- delo de
dependencia probabilstico obtenido de una funcion de probabilidad
no extrema, o positiva; es decir, p(x 1 ,..., xn) toma valores en el
intervalo abierto (0, 1).
Dado que todas las funciones de probabilidad satisfacen las cuatro primeras
propiedades de independencia condicional, todos los modelos de dependencia
probabilsticos son semigrafoides. Por otra parte, dado que solo las funciones de
probabilidad no extremas satisfacen la propiedad de interseccion, solo los modelos
de dependencia probabilsticos no extremos son grafoides.
MODELOS DE DEPENDENCIA
completo,
es
decir,
no
tienen
Dado que toda funcion de probabilidad cumple las cuatro primeras propiedades de
la independencia condicional, si un modelo de dependencia M es compatible con
una funcion de probabilidad p(x1 , . . . , xn ), entonces el menor semigrafoide
generado por M tambien debe ser compatible con p(x 1 ,..., xn). Por tanto, un
problema interesante desde el punto de vista practico es calcular el menor
semigrafoide generado por un modelo de dependencia M . El siguiente algoritmo
puede ser utilizado con este n:
Generando un grafoide mnimo.
Datos: Un modelo de dependencia inicial M .
Resultado: El mnimo grafoide que contiene a M .
MODELOS DE DEPENDENCIA
un
grafoide,
respectivamente.
Las
nuevas
relaciones
de
de
independencia
que
se
utilizan
para
obtener
las
nuevas
independencias.
Por tanto, las cinco primeras propiedades pueden ser utilizadas para aumentar un
modelo de dependencia M compatible con una funcin de probabilidad p(x 1 ,..., xn).
Tanto el modelo inicial como el completado son compatibles con p(x 1 ,..., xn). Esto
motiva el siguiente problema:
MODELOS DE DEPENDENCIA
I(X1, X2|X3)
I(X1, X4|X2)
I(X1, X4|X2X3)
I(X1, X2 |X3) y I(X1,
I(X1, X2X4|X3)
I(X1, X2X4|X3)
I(X1, X2|X3X4)
I(X1, X2X4|X3)
I(X1, X4|X3)
Derivada de
Interseccion
I(X
1 , X2 X4 |
Derivadas
Simetra
) I(X2X4,
Descomposici
X1|) I(X1,
on Simetra
X2|) I(X2,
X1|) I(X1,
X2|X4)
I(X1, X4|)
Union Debil
Simetra