Está en la página 1de 7

TECI

Mster en Tratamiento EstadsticoComputacional de la Informacin

EDES BAYESIANAS CON R

Paloma Main Yaque


Universidad Complutense de Madrid

Ir a www.r-project.org y a CRAN, elegir mirror


Ir a Task Views y a gR (gRaphical Models in R)
Paquetes para manipular y representar grafos
igraph graph Rgraphviz RBGL
Paquetes para representar modelos grficos
probabilsticos y propagacin de la evidencia
grBase gRain ggm
Paquetes para aprender modelos grficos
probabilsticos pcalg bnlearn
Paquete para manejar HUGIN desde R RHugin
2
Paloma Main - UCM

PAQUETES
Instalar igraph grBase gRain ggm pcalg bnlearn
Instalacin de paquetes de BIOCONDUCTOR graph
Rgraphviz RBGL
http://www.bioconductor.org/
ir a Install Bioconductor Packages
o directamente desde R
source("http://bioconductor.org/biocLite.R")
biocLite("graph")
biocLite("Rgraphviz")
biocLite("RBGL")

3
Paloma Main - UCM

REPRESENTACIN
Funciones del grBase para crear objetos
graphNEL (lista de nodos y enlaces)
Grafos No Dirigidos ug( )
Grafos Dirigidos dag( )

4
Paloma Main - UCM

Ejemplo (tres)
a

f
g

b
c

e
d
5
Paloma Main - UCM

Ejemplo: Moralizacin
a

f
g

b
c
d
e

6
Paloma Main - UCM

Ejemplo: Separacin
En el grafo moral tres.mo e y b
separados por c y a?
En tres a d-sep de d dado c?, y
dado c y e?

7
Paloma Main - UCM

Representacin como matriz


Paquete ggm
funcin DAG( )
Por ejemplo
DAG(v ~ v, y ~ x + z, z ~ w + u) es
vyxzwu
v000000
y000000
x010000
z010000
w000100
u000100

y el grafo

z
y

8
Paloma Main - UCM

Paquete gRain
Para redes Bayesianas
Implementa el algoritmo de propagacin de
Lauritzen and Spiegehalter (1988)
Local Computations with Probabilities on Graphical
Structures and Their Application to Expert Systems
Journal of the Royal Statistical Society. Series B (Methodological), Vol.
50, No. 2(1988), pp. 157-224

Inferencia
Especificacin de las tablas de probabilidad con cptable( ) y compileCPT( )
Crear un objeto grain y compilar con compile( )
9
Paloma Main - UCM

Paquete gRain
Propagacin con propagate( )
Obtener probabilidades con querygrain( )
Introducir evidencia con setFinding( )
creando un nuevo objeto grain. Con
getFinding( ) pFinding( ) se obtiene la
evidencia y su probabilidad
Simulacin con simulate( )
Prediccin con predict( )
10
Paloma Main - UCM

Paquete RHugin
Instalar R (32/64-bit)
Instalar HuginLite 8.0
ftp://download.hugin.com/Licenses/8.0/HuginLiteR80.msi
Instalar RHugin
http://rhugin.r-forge.r-project.org/binary/Windows/RHugin_8.0.zip
Proporciona un API (Application Programmers Interface) para HUGIN en el
lenguaje R
La funcionalidad de HUGIN accesible desde R
Tambin funciones como gRain
Inicio hay que crear un hugin.domain( ) y luego
add.node( ) add.edge( ) get.table( )
compile( ) set.finding( ) propagate( ) get.belief( ) initialize( )

11

Paloma Main - UCM

Paquete RHugin
Configuracin ms probable
propagate("RHuginDomain",equilibrium="max")
get.belief("RHuginDomain",nodo")

aparece un 1 en los estados ms probable


La probabilidad conjunta de la evidencia y la
configuracin ms probable
get.normalization.constant("RHuginDomain",)

12
Paloma Main - UCM

Ejercicio

Utilizando R
a) Determinar P(Rain / Sprinkler=T, WetGrass=T)
b) La configuracin ms probable para Sprinkler=T, WetGrass=T

13
Paloma Main - UCM