Materia: Inteligencia Artificial

Tema: 2.8 Razonamiento probabilstico

2.9 Teorema de Bayes

2.8. RAZONAMIENTO PROBABILSTICO [1]

La principal ventaja del razonamiento probabilstico sobre el razonamiento lgico es
que el razonamiento probabilstico permite tomar decisiones racionales an en los casos
en que no haya suficiente informacin para probar que cualquier accin dada
funcionar.
El uso de representaciones relacionales se ha quedado prcticamente en todas las reas
de aprendizaje computacional. Dentro de los desarrollos ms importantes podemos
mencionar:

Aprendizaje de rboles de decisin relacionales. Se aprenden rboles binarios,

donde cada nodo contiene una conjuncin lgica y los nodos dentro de un
camino del rbol, pueden compartir variables entre s. El probar un nodo
significa probar la conjuncin en el nodo y las conjunciones en el camino del
nodo raz hasta nodo que se est probando. Esto mismo se ha extendido a
rboles de regresin.

Definicin de una medida de distancia relacional que permite calcular la

similaridad entre dos objetos. Esta distancia puede tomar en cuenta la
similaridad entre objetos relacionados, por ejemplo, entre hijos'' al comparar a
dos personas. Esto se puede utilizar para aprendizaje basado en instancias
relacional y para realizar clustering.

Aprendizaje de reglas de asociacin de primer orden. Esto extiende la

expresividad de las reglas de asociacin y permite encontrar patrones ms
complejos.

Aprendizaje por refuerzo relacional con lo que se puede aprender una poltica
ptima de acciones relacionales en un ambiente relacional. Por ejemplo,
aprender qu movidas realizar en ajedrez, cmo jugar Titris, etc.

Aprendizaje de lenguajes lgicos (LLL) o gramticas aprovechando la

expresividad de la lgica de predicados.

Teorema de Bayes [2]

En el ao 1763, dos aos despus de la muerte de Thomas Bayes (1702-1761), se
public una memoria en la que aparece, por vez primera, la determinacin de la

probabilidad de las causas a partir de los efectos que han podido ser observados. El
clculo de dichas probabilidades recibe el nombre de teorema de Bayes.

Teorema de Bayes
Sea A1, A2, ...,An un sistema completo de sucesos, tales que la probabilidad de cada uno de
ellos es distinta de cero, y sea B un suceso cualquier del que se conocen las probabilidades
condicionales P(B/Ai). entonces la probabilidad P(Ai/B) viene dada por la expresin:

En los problemas relacionados con la probabilidad, y en particular con la probabilidad

condicionada, as como con la probabilidad total y el teorema de Bayes, es aconsejable
que, con la informacin del problema, construyas una tabla de contingencia o un
diagrama de rbol
Ejercicio 1:
Tres mquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del total de
las piezas producidas en una fbrica. Los porcentajes de produccin defectuosa de estas
mquinas son del 3%, 4% y 5%.
a. Seleccionamos una pieza al azar; calcula la probabilidad de que sea defectuosa.
b. Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad de
haber sido producida por la mquina B.
c. Qu mquina tiene la mayor probabilidad de haber producido la citada pieza
defectuosa?

Solucin:
Sea D= "la pieza es defectuosa" y N= "la pieza no es defectuosa". La informacin del
problema puede expresarse en el diagrama de rbol adjunto.
a. Para calcular la probabilidad de que la pieza elegida sea defectuosa, P(D), por la
propiedad de la probabilidad total,
P(D) = P(A) P(D/A) + P(B) P(D/B) + P(C) P(D/C) =
= 0.45 0.03 + 0.30 0.04 + 0.25 0.05 = 0.038
b. Debemos calcular P(B/D). Por el teorema de Bayes,

c. Calculamos P(A/D) y P(C/D), comparndolas con el valor de P(B/D) ya

calculado. Aplicando el teorema de Bayes, obtenemos:

La mquina con mayor probabilidad de haber producido la pieza defectuosa es A

Ejercicio 2:
Tenemos tres urnas: A con 3 bolas rojas y 5 negras, B con 2 bolas rojas y 1 negra y C
con 2 bolas rojas y 3 negras. Escogemos una urna al azar y extraemos una bola. Si la
bola ha sido roja, cul es la probabilidad de haber sido extrada de la urna A?

Solucin:
Llamamos R= "sacar bola roja" y N= "sacar bola negra". En el diagrama de rbol
adjunto pueden verse las distintas probabilidades de ocurrencia de los sucesos R o N
para cada una de las tres urnas.

La probabilidad pedida es P(A/R). Utilizando el teorema de Bayes, tenemos: