FACULTAD: Ingeniera Informtica

CURSO: Inteligencia Artificial

TEMA: Aplicaciones del Teorema de Bayes

DOCENTE: Dr. Rodrguez Rodrguez Ciro

CICLO: V

INTEGRANTES:
Gonzales Camacho Pedro Aldair
Meza Roque Maycol Jhunior
Parra Torres Roger Marcos
Robles Del Pino Jaime Anthony

2016
TEOREMA DE BAYES
El teorema de Bayes, es una proposicin planteada por el filsofo ingls Thomas Bayes
en 1763, que expresa la probabilidad condicional de un evento aleatorio A dado B en
trminos de la distribucin de probabilidad condicional del evento B dado A y la
distribucin de probabilidad marginal de slo A.
El teorema de Bayes es muy significativa puesto que vincula la probabilidad de A dado B
con la probabilidad de B dado A. Es decir, por ejemplo sabiendo la probabilidad de tener
un dolor de cabeza dado que se tiene gripe, se podra saber tambin la probabilidad de
tener gripe si se tiene un dolor de cabeza si es que se tiene algn otro dato ms. Este
sencillo ejemplo muestra la alta relevancia del teorema en cuestin para la ciencia,
puesto que tiene vinculacin ntima con la comprensin de la probabilidad de aspectos
causales dados los efectos observados.12

Sea { , 2 , . . . , , . . . , } un conjunto de sucesos mutuamente excluyentes y

exhaustivos, y tales que la probabilidad de cada uno de ellos es distinta de cero. Sea B
un suceso cualquiera del que se conocen las probabilidades condicionales P(B| ).
Entonces, la probabilidad P( |B) viene dada por la expresin:

Donde:

P( ) son las probabilidades a priori,

P(B| ) es la probabilidad de B en la hiptesis ,
P( |B) son las probabilidades a posteriori.

Frmula de Bayes

Con base en la definicin de probabilidad condicionada, obtenemos la Frmula de Bayes,

tambin conocida como la Regla de Bayes:

Esta frmula nos permite calcular la probabilidad condicional P( |B) de cualquiera de

los eventos P( ), dado B.
TEOREMA DE BAYES EN LA INFORMTICA

Filtro Bayesiano:
El filtro bayesiano es una tcnica estadstica para tratar con el spam en la tcnica de
filtrado de email. Se suelen utilizar un conjunto de palabras caractersticas para
identificar los correos spam. Trabajan correlacionados con tokens (por lo general
palabras o algunas veces otras cosas) con mensajes electrnicos que no son spam y que
son spam. Utilizando finalmente el teorema de bayes para calcular la probabilidad de
que un correo electrnico es o no es spam. Lo interesantes de este filtrado () es la
capacidad que tiene de ir aprendiendo, adaptarse a cada usuario (como decimos ser
nico para cada usuario, ya que el mismo ser totalmente maleable y se aprender de los
propios hbitos de cada persona). Esto implica que por ejemplo cada vez que marquemos
o no un correo como spam el sistema aprender nuestra decisin y la aplicar de forma
inteligente, ayudando al usuario a mantener su bandeja de entrada libre de lo que l
mismo considera como spam.
Antes de finalizar con la descripcin del filtro bayesiano, no debemos pasar por alto la
complejidad que tiene este ya que en la base de datos no solo se almacena las palabras
caractersticas de un correo spam, se requiere otros criterios muy IMPORTANTES
(direcciones IP, hosts,) para calcular la probabilidad de que un correo determinado sea
spam, sacados de un ejemplo de correo basura y de correo valido. A cada palabra se le
establece un valor de probabilidad basado en la frecuencia de aparicin de dicha palabra
en un correo basura frente a un correo vlido. Estas asignaciones se realizan a travs de
un proceso de anlisis del correo. Por ejemplo, si la palabra viagra aparece en 600 de
2000 correos de spam y en 3 de 200 correos vlidos, la probabilidad de ser spam es
0,9524. Disponiendo de la base de datos el filtro podr actuar. Cuando se recibe un
nuevo correo, el anlisis consiste en descomponer el texto en palabras y se seleccionan
las ms relevantes, las cuales el filtro bayesiano procesa calculando la probabilidad de
que el correo que hemos recibido sea spam o no. Si la probabilidad supera un umbral
establecido se considerar spam.
Fundamentos matemticos :
Supongamos que el mensaje sospechoso contiene la palabra "rplica". La mayora de las
personas que estn acostumbrados a recibir correos electrnicos saben que este
mensaje es probable que sea un correo no deseado, ms precisamente una propuesta
para vender copias falsificadas de marcas reconocidas de relojes. El software de
deteccin de correos no deseados, sin embargo, no "sabe" tales hechos; todo lo que
puede hacer es probabilidades de cmputo.
La frmula utilizada por el software para determinar que se deriva del Teorema de
Bayes es:
APLICACIONES DEL TEOREMA DE BAYES

Filtro de spam inteligente

El teorema de bayes aplicado en la informtica, el filtrado bayesiano un mtodo capaz

de aprender a base de la informacin y las probabilidades. Para entender mejor este
filtro bayesiano tomaremos un pequeo mdulo del algoritmo de un filtro de spam,
haremos un programa que consiste en el protocolo IRC (Internet Relay Chat) y basado
en el mdulo cliente servidor.Crearemos una aplicacin servidor y luego una aplicacin
cliente que se conectara al servidor. Y asi podran comunicarse mediante palabras ya que
si tratamos con oraciones, tendramos que plantear un algoritmo an ms grande para
separarlas por tokens y tratar palabra por palabra, solo nos basaremos en palabras.
El programa se basa de un programa de comunicacin de tiempo real basado en texto,
para eso crearemos un servidor con un puerto de entrada para que los cliente puedan
acceder a interactuar, consta de un ventana donde se ve los mensajes de los clientes o
bueno en este caso cliente.
Para que la comunicacin cliente servidor funcione, se ha hecho uso de la clase socket
que es la encargada de la comunicacin remota entre dos o ms computadoras. Un
socket es un punto de comunicacin por el cual un proceso puede emitir o recibir
informacin. ServerSockets que es para inicializar el servidor y aceptar conexiones de
los clientes, con un parmetro (El puerto por donde ingresaran los clientes), y un socket
(crea al cliente) que se encarga de la escucha de alguna peticin de un cliente.
Ya entendiendo esto podemos pasar alguno metodos de dichas clases sobre todo los que
se va a utilizar ms en una comunicacin.
Bsicamente estos mtodos sirven para intercambiar informacin de un cliente a un
servidor y en reversa. Acompaados del BufferedReader y PrintWriter, que es para la
lectura y escritura de datos. Ahora bien mencionada estos mtodos pasaremos la parte
del teorema de bayes. El filtro consiste en que El servidor tanto como el cliente pueden
poner spam a una palabra que el cual no les guste, una vez hecho esto la palabra
caracterstica (spam) se almacena en una tabla de datos exclusivamente de las palabra
reportadas o si dejaron pasar alguno otra palabra que no les fastidio, esta pasar
automticamente a una tabla llamada diccionario (que hace referencia a las palabras
correctas ). Ahora una palabra se puede encontrar en las tablas al mismo tiempo, de
repente por alguien que le pareci correcto y a otra no, entonces es aqu donde el
programa aplica el teorema de bayes (filtrado bayesiano), va sacar la probabilidad de
que esa palabra sea spam, segn los datos a priori que ya estn dados (Cantidad de
veces que aparece en las dos tablas). Si hay un falso positivo entonces no habra
problema ya que otro usuario podra reportar la palabra (botn de spam que est
diseado en la ventana del chat. La conclusin de este ejemplo es darse cuenta de cmo
funciona el filtrado bayesiano de lo importante que es el uso de la informacin para la
toma de decisiones de las potentes aplicaciones que ahora existe, de cmo ellas toman la
mejor decisin ante un problemtica ya que sin la informacin no podra tener una buena
probabilidad de un hecho ya sea informtico, mdico, guias de rutas, etc.
 JUEGO DE LA RULETA

Es un juego de azar tpico de los casinos, que consta de una ruleta con nmeros de color
rojo o negro a su alrededor que gira mientras se pone una esfera pequea que se
detendr en un nmero al azar.
Nuestra aplicacin usando informacin sobre nmeros que ya han salido, divide esos
nmeros en 3 secciones: 1.-del 1 al 12, 2.-del 13 al 24 y 3.-del 25 al 36; y segn su
color: rojo o negro. El programa utiliza estos datos para hallar la probabilidad de que el
nmero siguiente que salga pertenezca a una de las secciones dado que es de algn color,
estos 2 parmetros seleccionado por el usuario.

DIAGRAMA DE FLUJO
Donde A representa la cantidad de nmeros de alguna de las 3 secciones, R y N la
cantidad de nmeros de color rojo y negro de alguna de las 3 secciones
respectivamente
 Modo de transaccin por tienda digital en
videojuegos
El teorema de bayes es un procedimiento para obtener probabilidades condicionales,
por lo cual hemos implementado este teorema en una aplicacin que se ha desarrollado
en la plataforma eclipse.

El inters de la aplicacin surge como una forma de conseguir que ms usuarios soliciten
la compra de tems a travs de la tienda virtual en los videojuegos. Por eso es prioridad
tener ms transacciones como estas por medio de un interfaz que llame la atencin al
usuario y as contribuir en la ganancia en beneficio al videojuego.
Lo que ofrece cualquier tienda digital en los videojuegos, generalmente son:

Personajes
Aspectos o Skins
Puntos Maestras (En caso de League of Legends, sirve para aumentar el poder al personaje)
tems (Lo ms usados son los que proporciona una habilidad ms al personaje)
Cofres (En su contenido varan objetos de la tienda y solo es posible adquirir algunos al azar)

Hemos pensado que el usuario debera tener la facultad de arma su propio cofre que
adquiere en la tienda, donde el usuario mismo genera las probabilidades segn los datos
que el seleccione. Nuestro programa realiza ello.

Por cofre solo se podr seleccionar tres clases de personajes, en este caso: Mago,
Cazador y Guerrero.

Podr elegir la cantidad de skins o aspecto para su personaje segn la clase

seleccionada, como se ve en la imagen anterior.

Consideraremos como base, que la cantidad de personajes que hay por cada clase, son
iguales, para facilitar el funcionamiento del programa, entonces las probabilidades se
basarn segn el dato que el usuario ingrese y no de la cantidad de personajes por cada
clase. As la probabilidad de que adquiera cualquier personaje de tal clase es del
33.3333...% y de ah partiremos.

Luego pasaremos a ingresar los puntos de maestras. Mientras ms puntos de maestras,

menos es la probabilidad de que adquiera los puntos. Lo mismo es en los skins. Vindolo
as, hay dos sucesos que cumplen con las condiciones para usar el teorema de bayes. Lo
que se genera en el primer interfaz y luego en este ltimo.
Resumiendo, primero el usuario ya contara con una probabilidad de que le toque un
personaje de tal clase (33.333%) pero al momento de seleccionar los skins de cada
clase, esto se desbalanceara, dando ms probabilidad a las clases con menos skins. Y ah
tendramos nuestros primeros datos. La segunda ya lo mencionado antes, los puntos de
maestras que hara lo mismo y sera la segundo suceso.

Por ltimo el programa lanzara los resultados de las probabilidades de cada clase con
los skins incluidos pero adquiriendo adicionalmente los puntos de maestras (La
probabilidad del primer suceso dentro del segundo suceso ).

Aqu mostramos el diagrama de flujo para obtener los primeros datos como el primer
suceso, lo cual tambin se aplica para obtener los datos para el segundo suceso.
Ya luego con los datos obtenidos, podremos aplicar el teorema de bayes con una funcin
donde almacena por un bucle los datos guardados en cada variable de tipo de array, y
por consiguiente dentro del bucle tambin estar realizando la operacin para lanzar
luego los resultados.

Pd: solo me baso en clases, ya no en personajes, el motivo?, porque no tendra

sentido hacerlo asi sin una buena interfaz grfica.
 BIBLIOGRAFA
https://es.wikipedia.org/wiki/Teorema_de_Bayes