SEMANA VII

MTODO DE INFERENCIA
Los Sistemas Expertos utilizan herramientas tanto para la representacin del conocimiento,
como para la toma de decisiones, utilizan mtodos de representacin como rboles, grafos,
diagramas que cuando se automatizan se convierten en herramientas poderosas.

Redes Semnticas

rbol de Decisin, mostrando Conocimiento de Animales

Fragmento de un rbol de Decisin para clasificar varias especies de Frambuesas
Ejemplo de Espacios de Tiempo
 Representacin con Compuertas Lgicas Y O, No

Lgica Deductiva y Silogismos.

Dentro de los mtodos de inferencia que mayormente se usan, se pueden mencionar los
siguientes:
- Deduccin: De lo especfico a lo general.
- Induccin: De lo general a lo especfico.
- Intuicin: Es una teora no comprobada. La respuesta simplemente aparece talvez por
hacerlo de forma inconsciente producto de la lgica y experiencia de las persona.
- Heurstica: Conjunto de reglas empricas basadas en la experiencia.
- Ensayo y Error: Se realiza cada vez que se quiere comprobar un hecho.
- Abduccin: Razonamiento hacia atrs desde una conclusin verdadera hacia las
premisas que haban causado la conclusin.
- Predeterminacin: Es la ausencia de conocimiento especfico, adopta conocimiento
general o comn como opcin predeterminada.
- Auto epistemologa: Es el conocimiento de s mismo.
- No montono: El conocimiento previo podra ser incorrecta cuando se obtiene una
nueva evidencia.
- Analoga: Inferencia de una conclusin con base en las similitudes con otra situacin.

El conocimiento por sentido comn puede ser una combinacin de todos o cualquiera de esos
tipos de inferencia.
Uno de los mtodos ms comunes para formular inferencias es la lgica deductiva, que se ha
utilizado para tratar de validar los argumentos.
Un argumento lgico es un grupo de afirmaciones en el que la ltima de ellas est justificada en
base a las anteriores de la cadena de razonamiento.
Un tipo de argumento lgico podra ser considerado como un silogismo.
Ejemplo de silogismo:
- Premisa: Cualquiera que pueda programar es inteligente.
Premisa: Carlos puede programar.
------------------------------------------------------------------------------
Conclusin: Por lo tanto, Carlos es inteligente
(Las dos premisas son antecedentes, el consecuente es la conclusin)

Los silogismos son tiles por que se pueden expresar a partir de reglas de produccin:
Si Entonces
Si cualquiera que puede programar es inteligente y Carlos puede programar entonces Carlos es
inteligente.
El silogismo clsico es un tipo especial llamado Silogismo Categrico; las premisas y las
conclusiones se definen como afirmaciones categricas en las siguientes 4 formas.

Afirmaciones Categricas
FORMA ESQUEMA SIGNIFICADO
A Todo S es P Afirmativo Universal
E No S es P Negativo Universal
I Alguna S es P Afirmativo Particular
O Alguna S es no P Negativo Particular

Ejemplo:
Toda S es P Premisa Mayor
Toda T es S Premisa Menor
----------------
Por lo tanto Toda T es P Conclusin
Las formas de las afirmaciones categricas se han identificado desde la antigedad con las
letras A, E, I, O.
La cantidad o cuantificador describe la porcin de la clase incluida. Los cuantificadores TODO y
NO son universales por que se refieren a clases enteras; al cuantificador ALGUNOS se le llama
particular porque solo alude a una parte de la clase.
El modo de un silogismo est definido por las 3 letras que dan forma a la premisa mayor, la
premisa menor y la conclusin respectivamente.
Hay 4 patrones posibles de afirmaciones categricas
Afirmo A, I y niego E, O

Figura 1 Figura 2 Figura 3 Figura 4

Premisa Mayor MP PM MP PM
Premisa Menor SM SM MS MS

Ejemplo 1:
Todo M es P A
Todo S es M A
----------------
Por lo tanto Todo S es P (P=A), en un modo AAA-1
El 1 es el tipo

Ejemplo 2:
Todo M es P -A
No S es P -E
----------------
Por lo tanto No S es P -E
AEE-1

Hay 4 patrones posibles para ordenar los trminos S, P y M. A cada patrn se le llama figura, y
el nmero de la figura especifica su tipo.
Ejemplo 1:
Todo M es P A
Todo S es M E
----------------
Por lo tanto, Ninguna S es P E
AEE-1
 Diagrama de Ven Despus de la
Premisa Mayor

Despus de la
Premisa Menor

Ejemplo 2:
Ninguna M es P E
Todo S es M A
-------------------
Por lo tanto, Ninguna S es P E
EAE-1

Despus de la
Diagrama de Ven
Premisa Mayor
 Despus de la
Premisa Menor

Los procedimientos para hacer los diagramas de Ven son:

1.- Si la clase est vaca se sombrea
2.- Las afirmaciones Universales A y E, siempre se dibujan antes que las particulares
3.- Si una clase tiene por lo menos un miembro, mrquelo con un asterisco
4.- Si una afirmacin no especifica en cul de las dos clases adyacentes existe un
objeto, coloque un asterisco en la lnea entre las clases.
5.- Si un rea ha sido sombreada no puede introducirse un asterisco en ella.
Ejemplo:
- Premisa Mayor: Algunas computadoras son laptops
- Premisa Menor: Todas las laptops son porttiles
--------------------------------------------------------------------
- Conclusin: Algunas porttiles son computadoras
IAI 4
Algunas P son M
Todas las M son S
Por lo tanto Algunas S son P
Su representacin sera:

Todas las M son S Alguna P son M

TRBAJO PARA LA SEMANA DE EXAMENES: Reglas de produccin, reglas semnticas y
silogismos, de acuerdo a nuestro tema.
Semana VIII
Razonamiento en Condiciones de Incertidumbre
Nos referimos al hecho que no manejamos la informacin de manera adecuada, cada vez que
carecemos de informacin, entra la incertidumbre.
La incertidumbre es la falta de informacin adecuada para tomar una decisin, lo cual
provocara que se tome la mejor o peor decisin
Incertidumbre
Mejor Peor
Decisin
La probabilidad de que suceda por defecto 50%

MEDICOS FINANCIEROS EDUCACIN

Aplicar una terapia Puede causar prdidas Aqu es ms crtico todava
incorrecta al paciente financieras en vez de por que va a formar malos
utilidades profesionales

Existen varias teoras para poder manejar la incertidumbre, entre ellas est: LA PROBABILIDAD
Dentro de la probabilidad tenemos:
- P. Clsica
- P. Bayesiana
- La teora de Hartley, basada en conjuntos clsicos
- La teora de Shannon, basada en la probabilidad
- La teora de Dempster Shafer
- La teora de la Confusin de Zadeh
Cada una de esas teoras se ha aplicado en la mayora de tcnicas que utiliza la Inteligencia
Artificial.
Tipos de Error
Muchos tipos de error diferente pueden aportar incertidumbre. Las diferentes teoras de
incertidumbre tratan de resolver parte o todo esto, para proporcionar la inferencia ms
confiable
 - Ambiguo: Entre los errores ms comunes que se presenta se menciona la ambigedad,
ya que puede interpretarse de ms de una manera
- Incompleto: El segundo tipo es la falta de informacin completa
- Incorrecto: Otro es la Incorrecin, donde la informacin es incorrecta. Las posibles
causas de la incorrecin son: El error humano, falla accidental en la lectura, el engao
o la mala informacin y el mal funcionamiento del equipo.

EJEMPLO ERROR RAZON

Apagar la vlvula
Activar la vlvula 1
Apagar la vlvula 1
La vlvula est pegada
La vlvula no est pegada
Llevar la vlvula 1 a 5
Llevar la vlvula 1 a 5.4
Llevar la vlvula 1 a 5.4, 6 o 0
El valor de la vlvula 1 es 5.4,
5.5 o 5.1
El valor de la vlvula 1 es 7.5
La vlvula 1 no est pegada
porque nunca se ha pegado
antes
El resultado es normal y por
tanto la vlvula 1 est en Deduccin invlida
buenas condiciones
Ambiguo Se apaga? Cul vlvula?
Incompleto De qu manera?
Incorrecto Lo correcto ser: Abrir
Falso positivo Las vlvulas no se pegan
Falso negativo La vlvula tiene otro estado
Impreciso Lo correcto es 5.4
No confiable Lo correcto es 9.2
No confiable Error del equipo
Error aleatorio Fluctuacin Estadstica
Sistemtico Una mala calibracin
Induccin No vlida La vlvula est pegada
La vlvula se qued pegada
en posicin abierta

Cada ejemplo de los casos anteriores son HIPTESIS.

HIPTESIS
Una hiptesis es una suposicin que debe de probarse, una hiptesis nula es la suposicin
hecha inicialmente, como la vlvula est pegada.
A un tipo de informacin incorrecta se le llama: Falso Positivo, que significa la aceptacin de
una hiptesis cuando no es verdadera. Un Falso Negativo significa el rechazo de una hiptesis
cuando es verdadera. Por tanto si la vlvula en realidad no est pegada, entonces la aceptacin
de la hiptesis de que est pegada es un Falso positivo, lo que en estadstica se denomina
Error de Tipo 1. De igual manera si la vlvula est realmente pegada y la hiptesis la vlvula
est pegada se rechaza, se trata de un Falso Negativo o error de tipo 2
Ejemplo:
- No tiene cncer Pero le dicen que lo tiene. (Falso positivo)
- Tiene cncer Pero le dicen que no tiene. (Falso negativo)
Entre los errores de medicin existen fallas de precisin y exactitud.
Ejemplo:
Si se examinan 2 reglas (objeto), una graduada en milmetros y otro en centmetros,
obviamente la primera es ms precisa; si su graduacin fuera incorrecta la regla sera inexacta
y sus medidas no resultaran confiables a menos que se conociera un factor de correccin.
La exactitud corresponde a la verdad, mientras que la precisin corresponde a la correccin
con que se conoce la verdad. (La precisin es parte de la exactitud)
Otro tipo de error es la falta de confiabilidad, si el equipo de medicin que proporciona los
hechos no es confiable, lo datos resultan errticos. Una lectura errtica es aquella que no es
constante si no que flucta por lo que unas veces sera correcta y otras no.
Hacer ejemplos de errores aleatorios y errores sistemticos (mencionar 4 de cada uno)

Errores e Induccin
El siguiente tipo de error es una induccin invlida: La vlvula no est pegada porque nunca
antes se ha pegado.
La induccin va de lo particular a lo general.
Ejemplo:
- El disco duro de mi computadora porttil nunca se ha descompuesto por consiguiente
el disco duro de mi computadora porttil nunca se descompondr. Con excepcin de la
induccin matemtica, nunca puede comprobarse que los argumentos inductivos son
correctos, solo pueden proporcionar cierto grado de confianza de que la conclusin es
correcta. En realidad no es posible confiar en el argumento inductivo previo, por
ejemplo, la alarma de fuego son por consiguiente hay fuego, un argumento ms
fuerte sera, la alarma de fuego son, huelo humo, por consiguiente hay fuego.
Aunque se trata de un argumento fuerte, no comprueba que haya fuego. El humo
podra deberse a que estn haciendo una parrilla y la alarma de fuego puedo
accionarse por accidente.
Lo siguiente si es una prueba de que hay fuego:
Premisa 1: La alarma de fuego son.
Premisa 2: Huelo a humo.
Premisa 3: Mi ropa est quemndose por consiguiente hay fuego.
Este argumento es deductivo porque es posible ver las flamas.
Los Sistemas Expertos estn formados por reglas deductivas e Inductivas, donde las Inductivas
son de naturaleza Heurstica. La induccin tambin puede aplicarse a la generacin automtica
de reglas.
Adems de la incertidumbre en relacin con los hechos, las reglas de un Sistemas Experto,
pueden tener incertidumbre si se basan en la Heurstica, a esto suele llamrsele Regla
Elemental, porque se basa en la experiencia.
A veces la experiencia es una buena gua, sin embargo no puede aplicarse al 100% de los casos
porque la experiencia es Heurstica.
Ejemplo:
- Se esperara que todos aquellos que saltaran de un edificio de 50 pisos moriran, no
obstante alguien puede hacerlo y no morir porque lleva paracadas.

Unas de las caractersticas de los especialistas humanos, es que razonan bien en condiciones
de incertidumbre, suelen hacer buenos juicios si no, no se les considerara como especialistas.

Probabilidad Clsica
Se le conoce como probabilidad a priori debido a que trata con juegos o sistemas de azar, es
decir sin tomar en cuenta la realidad. Una de las frmulas clsicas P = W/N, donde W es el
nmero de triunfos y N es el nmero de eventos igualmente posibles (Resultados de un
experimento o prueba).
Ejemplo:
- Si tiramos el dado hay 6 posibles eventos de esta prueba nica, el dado puede mostrar
en la parte superior: 1, 2, 3, 4, 5, 6. Conforme a la probabilidad clsica se supone que
cualquiera de estos 6 eventos, es posible de darse. Y la probabilidad de perder, Q es,
Q = (N-W)/N = 1-P
La probabilidad de que salga una cara en el dado es de 1/6.

Cuando una prueba se repite varias veces y arroja el mismo resultado el sistema es
Determinstico, caso contrario es No Determinstico o Aleatorio. En algunas clases de
Sistemas Expertos se utilizan los shells (en visual prolog es PIE), que son No Determinsticos.
El resultado de una prueba es un punto de muestra y el conjunto de todos los puntos de
muestra posibles define el espacio de la muestra.
Un evento es un sub conjunto del espacio de la muestra.
Ejemplo:
- El evento 1 ocurre si el dado cae con la cara 1 en la parte superior. Un evento simple
solamente tiene un elemento y evento compuesto tiene ms de uno.
 Espacio de muestra
-Un evento Simple (5)
de un Dado
-Un evento Compuesto (3,6)

Una manera grfica de determinar el espacio de muestra es construir un rbol de eventos

Ejemplo:
- Supongamos que hay 2 laptops que funcionan (F) o que no funcionan (N), los eventos
se van a representar en el orden de laptop 1 y laptop 2, el espacio de muestra es: {FF,
FN, NF, NN}

ESPACIO DE MUESTRA PARA LOS BINARIOS

Laptop 2
F N
Laptop 1 F FF FN
N NF NN

Deduccin
 Induccin
Razonamiento deductivo e inductivo acerca de Poblacin y Muestras.

TEORIA DE LA PROBABILIDAD
Axioma 1 0 () 1
Axioma 2 (1) = 1 () + ( ) = 1
Axioma 3 (1 2) = (1) + (2)

Pregunta:
- Diferencia entre probabilidades Experimentales y Subjetivas. Dos ejemplos de c/u
- Diferencia entre probabilidad simple y compuesta. Ejemplo
- Qu son probabilidades condicionales? Ejemplo
- Operaciones con probabilidades
- Qu es Teorema de Bayes? Ejemplos
Semana IX
Razonamiento Hipottico e Induccin hacia atrs
El teorema de Bayes suele utilizarse para todo lo que se refiere a tomas de decisiones, para lo
cual suele utilizarse un anlisis de rbol de decisin. Para poder hacer un ejemplo de la toma
de decisiones Bayesiana en condiciones de incertidumbre utilizaremos el problema de
exploracin petrolera.
Para comenzar una exploracin se debe decidir cules son las oportunidades de encontrar
petrleo, si no hay evidencias a favor ni en contra; se debe de asignar probabilidades previas
subjetivas:
() = () = 0.5
o O Probabilidad de encontrar petrleo.
o O Probabilidad de no encontrar petrleo.

Si el explorador cree que hay una oportunidad mayor al 0.5 supondra lo siguiente:
() = 0.6
() = 0.4
o O Probabilidad de encontrar petrleo.
o O Probabilidad de no encontrar petrleo.

Una herramienta importante para la exploracin petrolera es la exploracin ssmica. Esta

tcnica consiste en crear pulsos de sonidos que viajan a travs de la tierra. Las ondas sonoras
se detectan por medio de micrfonos colocados en varios sitios observando el tiempo de
llegada de los pulsos y la distorsin de la honda de sonido, es posible determinar las
estructuras geolgicas y la posibilidad de que haya petrleo o minerales. Lamentablemente
estas pruebas no son 100% exactas. Algunos tipos de estructuras geolgicas pueden afectar las
ondas de sonido, causando que la prueba, recorte la presencia de petrleo cuando en realidad
no lo hay (falso-positivo). O podra reportar ausencia de petrleo cuando en realidad si lo hay
(falso-negativo). Es preciso recordar que se trata de probabilidades condicionales, porque la
causa (petrleo o no) debe haber ocurrido antes del efecto (resultado de la prueba). Una
probabilidad condicional va hacia delante en el tiempo, mientras que una probabilidad
posterior va hacia atrs.
P(+/O) = 0.8
P(-/O) = 0.2
P(+/O) = 0.1(Falso +)
P(-/O) = 0.9(Falso -)

Utilizando la probabilidad previa y condicional puede construirse un rbol de probabilidad

inicia:
P(+) = P(+ O) + P(+ O) = 0.48 + 0.04 = 0.52
P() = ( ) + ( ) = 0.12 + 0.36 = 0.48

Se utiliza la Ley de Adicin para calcular la probabilidad total de una prueba a+ y a-.
Teorema de Bayes
( )
( / ) =
()
( /) ()
( / ) =
()

Bayes en Eventos e Hiptesis

( ) (/ ) (/ ) ( )
( ) = = =
( ) (/) () ()

Tipos de probabilidades:
Probabilidades Experimentales:
Se define como la probabilidad de un evento (P(E)) como el lmite de la distribucin de
una frecuencia.
()
() = lim

Donde F (E) es la frecuencia de resultados de un evento para N resultados totales

observados. A este tipo de probabilidad se le llama Probabilidad a posteriori, que
significa despus del evento, tambin se le conoce como Probabilidad Posteriori.
La idea es medir la frecuencia con que ocurre un evento durante un gran nmero de
pruebas y a partir de esta inducir la probabilidad experimental.
Por ejemplo, determinar la probabilidad experimental de que un disco duro se
descomponga:
Cuadro que muestra el tiempo hipottico para que una unidad de disco duro se
descomponga:

Porcentaje total Horas de uso

de
descomposturas
10 100
25 250
50 500
75 750
99 1000
 Otro tipo de probabilidad experimental puede inducirse a travs de las tablas de
mortalidad utilizadas por las compaas de seguros que muestra la probabilidad de que
una persona muera en funcin a funcin de su edad y sexo. El clculo de las
probabilidades de que alguien muera en base a esas tablas es una induccin.

Probabilidades Subjetivas:
Es una creencia u opinin expresada como una probabilidad y son dadas por
especialistas.
Ejemplo:
Perforar un pozo petrolero en un nuevo lugar debido a la opinin expresada de un
especialista.

A priori: () =

Donde
W = # de salidas del evento E para un total de N posibles eventos
()
A posteriori () =

Donde
f = Frecuencia de que el elemento E, se observe para N salidas.

Probabilidades Compuestas: Puede calcularse a partir de los espacios de la muestra.

Ejemplo: La probabilidad compuesta de tirar un solo dado para obtener un numero par y divisible por 3.

Par A = {2, 4, 6}
Divisible por 3 {3,6}

1 2 3 4 5 6

= {6}
( ) 1
( ) = =
() 6
A los eventos que no se afectan entre si se les denomina eventos independientes. Para 2
eventos independientes, A y B, la probabilidad es simplemente el producto de las
probabilidades individuales.
( ) = () () ()
( ) = () () ()
( ) = () () ()
 ( ) = () () ()
( ) = () () ()
( ) = () () ()
Es bueno precisar que el trmino estocstico es una palabra griega que significa suposicin y
que suele utilizarse como sinnimo de probabilidad, azar u oportunidad.
En el caso de unin de eventos se define N como una funcin que designa el nmero de
elementos de un conjunto. Si se agrega el nmero de elementos A a los de B y los dividimos
entre todos los elementos del espacio de la muestra se tendr la siguiente formula:
() + ()
( ) = = () + ()
()
Del ejemplo anterior de los dados se tendr:
3+2 5
( ) = =
6 6
El problema es que al agregar solo n(A) a n(B) se est contando dos veces la interseccin {6}
porque esta pertenece tanto a A como a B. Entonces la formula correcta sera:
( ) = () + () ( )

Entonces:
3 2 1 2
( ) = + =
6 6 6 3

La probabilidad de:
( ) = () + () + () ( ) ( ) ( ) + ( )

Probabilidades Condicionales: Los eventos que no son mutuamente excluyentes se influyen

entre s. Saber que un evento ha ocurrido puede llevarnos a la probabilidad de que otro
evento ocurrir.
Probabilidad de un elemento A dado B:
( )
(/) =
()
()

La probabilidad P(B) viene a ser la probabilidad a priori, antes de que se conozca cualquier
informacin, cuando se usa en asociacin con una probabilidad condicional, se llama
probabilidad no condicional o probabilidad absoluta.
() 4
() = =
() 8
 () 6
() = =
() 8
Si sabemos que ha ocurrido el evento B, el espacio de la muestra es solo el de B, entonces el
nuevo espacio de muestra es 6.
( ) 2
( ) = =
() 6
La ley multiplicativa de la probabilidad para 2 eventos se define as:
( ) = (/) ()
( ) = (/) ()
( ) = (/ )(/)()
Probabilidad hipottica de que un disco duro se descomponga en el transcurso de un ao:
Marca X Marca X Total
Se descompone C 0.6 0.1 0.7
No se descompone C 0.2 0.1 0.3
Total 0.8 0.2 1

a) La probabilidad de que se descomponga para la marca X y la marca X es 0.7

b) La probabilidad para que se descomponga la marca X y la marca X es P(C) = 7
c) La probabilidad de que no se descomponga para las marcas antes mencionadas es 0.3
d) La probabilidad de usar la Marca X es 0.8
e) La probabilidad de usar una marca diferente de X es 0.2
f) La probabilidad de que se descomponga mientras se usas la marca X es:
( ) = 0.6
g) La probabilidad que se descomponga dado que se utiliz la marca X :
() 0.6
(/) = = = 0.75
() 0.8

h) La probabilidad que se descomponga dado que no se us la marca:

() 0.1
(/) = = = 0.5
() 0.2
i) En el resultado de 0.6, si una unidad de disco se elige al azar entonces 0.6 de las veces
ser de la marca X y se descompondr.
j) La del resultado P(C/X) = 0.75 significa que si se eligi un disco duro de la marca X,
indica de que un 75% de las veces se ha descompuesto.
 Acto

No elegir la
Elegir la marca X
marca X -> P(X)
-> P(X) = 0.8
= 0.2

Se descompone Se descompone
-> P(C/X) =0.5 -> P(C/X) = 0.75

No se No se
descompone -> descompone ->
P(C/X) =0.5 P(C/X)= 0.25
( ) = 0.2 ( ) = 0.6
ANTERIOR> CONDICIONAL > UNION >POSTERIOR
Semana X
INFERENCIA EN LA LGICA DE PIMER ORDEN

Dentro de los componentes de la lgica de primer orden se tiene:

- El lenguaje de primer orden: Que contiene alfabeto, sintaxis, trminos, predicados y
sustituciones.
- La semntica: Que est compuesta por: interpretacin, dominio de interpretacin,
funciones de interpretacin, frmulas abierta y cerradas, satisfaccin y consecuencia
lgica.

Tanto el lenguaje de primer orden como la semntica, ambos van a dar origen al
razonamiento semntico (argumentos, modelos, contramodelos) y al clculo deductivo
(teora lgica, sistema formal, reglas de deduccin natural, reglas derivadas).

Producto del razonamiento semntico y el clculo deductivo se va a tener la

metalgica (validez, completes y descibilidad).

Con la metalgica finalmente se llega a las conclusiones.

La lgica constituye una tcnica de representacin del conocimiento. Una idea permite
la creacin de sistemas que sean capaces de hacer razonamientos lgicos, este tipo de
sistemas se compone de:

- Un conocimiento (Base de conocimiento). El cual est compuesto por hechos y reglas

- Un sistema de inferencia, es capaz de responder preguntas, en base a los hechos y las
reglas establecidas.

Con la lgica proposicional se realiza una serie de razonamientos vlidos y correctos, se hace
uso de la sintaxis ms la semntica, para poder realizar la inferencia. Con la lgica de
predicados a lo que utiliza la lgica proposicional, se aade un aumento de la capacidad
especfica, lo que quiere decir, se analiza los enunciados atmicos, aparecen los
cuantificadores.

La lgica proposicional slo puede representar hechos acerca de mundo:

- Slo se considera frases declarativas, verdaderas o falsas y sin ningn otro valor de
verdad.
- La asignacin de valores de verdad se realiza sin consideraciones de contexto ni de la
estructura interna de los enunciados simples.
Ejemplo: Todo natural es entero y 2 es natural, luego 2 es entero.

La lgica de primer orden proporciona ms expresividad al captar ms detalles del lenguaje

natural. As se considera una estructura interna en los enunciados atmicos. Se puede acceder
a los elementos de la preposicin. Se considera propiedades.
Sistema Formal de la Lgica de Primer Orden
Es un sistema lgico para inferir conclusiones a partir de las premisas. Trabaja con problemas
de razonamiento desde el punto de vista de la estructura.
Es preciso aclarar lo siguiente:
Los enunciados pueden ser simples o atmicos o compuestos o moleculares.
- Los simples o atmicos no tienen conectores de ninguna clase, por ejemplo: el
amazonas es un ro, en esta clase hay 39 personas.
- Un enunciado compuesto utiliza conectores que unen varios segmentos lingsticos,
por ejemplo: en la fiesta hay 20 personas y poca bebida.
Entre los conectores de los enunciados compuestos se mencionan:
o Negacin
o Conjuncin
o Disyuncin
o Condicional o implicador
o Bicondicional o co-implicador

Lenguaje Formal:
Est conformado por el alfabeto ms reglas para la formulacin de frmulas lgicas.

Teora Semntica:
Relacin entre lenguaje y el conjunto de significados de una frmula lgica. (V o F)

Sistemas de deduccin:
Son los mtodos deductivos para determinar la validez de los razonamientos. Permiten
obtener conclusiones utilizando reglas de inferencia.

Objetivo:
Ms inters en cmo se razona y menos en qu se razona

La lgica de primer orden describe al mundo que consta de: objetos (trminos) y
propiedades (predicados) de esos objetos.

Entre los objetos se verifican varias relaciones, ejemplo: Padre (Juan, Jos).

Una funcin es una relacin en la cual solo hay un valor para una entrada dada:
Ejemplos de objetos: Gente, casas, nmeros, planetas, etc.
Ejemplo de relaciones: Padre, hermano de, mayor de.
Ejemplo de propiedades: Edad, tamao, color.
Ejemplo de funciones: Padre de_, mayor que_.

En resumen la lgica de primer orden contiene a la lgica proposicional pero es ms

potente.
 El alfabeto de este lenguaje dispone de smbolos que permiten:
o Representar elementos arbitrarios del dominio o universo del curso por medio
de smbolos de variables.
o Representar elementos especficos del universo del discurso por medio de
smbolos de constantes.
o Utiliza smbolos de funcin, utiliza smbolos de cuantificadores, utiliza
smbolos de predicados.

El alfabeto del lenguaje de primer orden (LPO), consta de los siguientes smbolos:
- Conectores de la lgica proposicional.
- Smbolos de cuantificacin.
- Smbolos de puntuacin.
- Conjunto infinito numerable de smbolo de variables
- Conjunto numerable de smbolo de constantes.
- Conjunto numerable de smbolos de funcin.
- Conjunto numerable y no vaco de smbolos de predicados.

Es bueno recordar que las preposiciones son predicados sin argumentos

La eleccin de los conjuntos C (Constantes), F (Smbolo de funcin), P (Smbolo de predicado),

proporciona un lenguaje especfico de primer orden.

Ahora la sintaxis es:

- Un vocabulario, letra W, es una cudrupla, <C, F, P, d>, donde:
o C representa el Conjunto finito de smbolos constantes.
o F representa el Conjunto finito de smbolos de funcin.
o P representa el Conjunto finito de smbolos de predicados.
o d, funcin, grado o aridad; d: F U P {1, 2, 3,}.
La restriccin de C, F, P, son disjuntos

Partiendo de un alfabeto el conjunto de expresiones de un LPO, est conformado por cualquier

concatenacin (finita), de smbolos de su alfabeto.

Trminos:
Son expresiones, se denominan trminos de un vocabulario W a:
o Constantes. Una constante es un trmino y representa un objeto concreto,
siempre el mismo. Ejemplos: Juan, A, B, 1.
o Variables. Es un trmino y representa un objeto sin identificar. Ejemplo: X, Y,
Padre, etc.
o Funciones. Representa un objeto concreto que est relacionado con n
objetos que participan en la funcin. Ejemplo: Coseno 45, etc. Cada smbolo de
 funcin tiene asociado un entero (mayor que 1), denominado grado o aridad
que indica cuantos argumentos tomar el smbolo de funcin:
Padre_de (Juan,Jose) aridad 2 (Por Juan y Jose)

Frmulas.
o Los predicados, representan una propiedad de un trmino o relaciones entre
varios trminos y se aplica sobre los trminos para formar las frmulas
atmicas, las cuales son expresiones.
o Literal, es un tomo o la negacin de un tomo. Ejemplo: P, No P, etc.
o Precedencia, se usan las reglas de la lgica proposicional teniendo en cuenta
los cuantificadores. Ejemplo: Para todo P existe P; Para to X, P (X) entonces
para todo Y, R (X, Y). Para todo X Para todo X, R (X, Y). Para todo X, Para
todo Y (P(X) R (X, Y)).

Juan y Pedro, aunque slo Juan est casado.

Es necesario 2 constantes: A, B para representarlos en el lenguaje formal,
tambin es necesario un predicado con dos argumentos: A (X, Y).
La oracin afirma una propiedad de Juan, Est casado Cx.
El lenguaje formal necesario para formalizar la oracin tiene como alfabeto:
{A, B, A (X,Y), Cx}. La frmula de ese lenguaje que representa la oracin es:
A (a, b) y C(A) y C(B).

Eva y Mara son amigas aunque sus maridos son enemigos, desde que el
marido de Eva despidiese al de Mara.
La oracin habla de 4 individuos, dos de ellos son identificados con nombres
propios y los otros dos se identifican en funcin de los anteriores, por lo tanto
son necesarios 2 constantes: A, B para representarlos en el lenguaje formal, y
una funcin F para representar ser_el_marido_de.
La oracin menciona una relacin de amistad, para lo cual es necesario un
predicado con dos argumentos A (x, y).
La oracin menciona una relacin en la que un individuo X despide a otro el Y,
B (x, y).
{A, B, Fx, A (x,y), B (x,y)}. La oracin queda de la siguiente frmula:
A (a,b) y A (F(a), F(b) y D(F(a), F(b))).

Esquemas de formalizacin.
Ejemplo: Sea el universo de discursos: Representado por los personajes de una novela.
a : El Byran
y : Dnika
e : Francisco
A (x,y): x es amigo de y,
O (x, y): x odia a y
Q (x, y): x ama a y
 Francisco ama a Dnika pero ella no ama a todos los que la aman.

Francisco no ama a ninguno de sus amigos.
((, ) (, ))
Los amigos de Francisco odian a aquellos a quienes Bryan ama.
((, ) ((, ) (, )))

Ejemplos:
Todos los hombres son mortales. (() ())
Los hombres son mamferos bpedos. (() (() ()))
Todos los satlites de Jpiter son rocosos. (() ())
Sea el universo de discurso: Todo (seres humanos y tiempo estn incluidos)

P (x): x es una persona

T (x): x es un instante de tiempo
A (x, y, z): x ama a Y en un instante z

Alguna vez am Bryan a Dnika. ( (, , ))

El amor de Dnika por Bryan fue siempre correspondido. ( (, , ) (, , ))
Dnika no amaba a Bryan en el mismo instante que Bryan amaba a Dnika.

Colocar las constantes, funciones y predicados necesarios para definir un LPO para poder
formalizar las siguientes oraciones.
- Mi casa es roja. ()
- Luisa y Mara son peruanas pero ngel es mexicano. () () ()
- Mabel adora a Randy.(, )
- Luis ama a Ana y ella no le corresponde. (, ) (, )
- Mabel se peina as misma y tambin peina a Jahir. (, ) (, )
- El asesino de mi padre es Ruben o Jahir pero no Alberto. (, ) (, ) (, )
- Hay al menos un nmero primo. ()
- Cualquier crimen ser castigado. ()
- No todos los crmenes merecen la pena capital. ()
- Hay genios pero no todos los informticos lo son. () (() ())

En una frmula de un LPO existen variables libres y variables ligadas.

Una variable se encuentra ligada en un frmula cuando est bajo el alcance un
cuantificador ( )
Una variable se encuentra libre en una frmula cuando no se encuentra ligada. Un mismo
smbolo de variable puede estar libre y ligado en una misma frmula.
Ejemplos:
- Cuando ponemos existe un x P(x), la ocurrencia de la variable x est ligada.
- Existe un x P(x,y), la ocurrencia de la variable x est ligada, mientras la ocurrencia de la
variable y est libre.
- En P(x,y) la ocurrencia de a vaiable x est libre y la ocurrencia de la variable y, tambin.
- En Para todo x P(x,y) y Q(x), la priemra ocurrencia de la variable x va a estar ligada
mientras que la segunda ocurrencia de la variable x est libre. La nica ocurrencia de la
variable Y, est libre.

Frmulas abiertas y cerradas.

Una frmula es abierta cuando contiene al menos una variable libre.
Una frmula es cerrada si todas sus variables estn ligadas.
Ejemplos:
(() (, )) Cerrada
() (, ) Abierta (la variable libre es Y)

Propiedades.
o El cierre de una frmula es una frmula cerrada
o La clausura o cierre universal de una frmula A(x1, x2, x3, xn), es la sentencia
para todo x1, x2, x3, xn.
o La clausura o cierre existencial de una frmula A(x1, x, x3, xn), es la sentencia
para todo

Ejemplo:
Cierre (P(x) o Existencial(x, y, z) = Para todo (x) Para todo (y) Para todo (z) (P(x) o
Existencial (x, y, z))).