Curso: Inteligencia Artificial

Respuestas de la Práctica Calificada 1

Pregunta 1
(Tomado del libro de Wolfgang Erkel)
• Formalización: Complice: A, Coche: C, Llave: K
KB ≡ ( A ⇒ C ) ∧ [(¬ A ∧ ¬K ) ∨ ( A ∧ K )] ∧ K
• Transformación en CNF: (¬ A ∧ ¬K ) ∨ ( A ∧ K ) ≡ (¬K ∨ A) ∧ (¬ A ∨ K )
Demuestra C y agregue ¬C al conjunto de cláusulas. El conjunto de cláusulas CNF es
(¬ A ∨ C )1 ∧ (¬K ∨ A)2 ∧ (¬ A ∨ K )3 ∧ (K )4 ∧ (¬C )5
• Prueba de resolución
Res(2, 4) : ( A)6
Res(1, 6) : (C )7
Res(7, 5) : ()8
Luego C se muestra.

Pregunta 2
(Tomado del libro de Wolfgang Erkel)
Simplificamos los resultados.

Parte 1 P( Al ) = 0 : 00252
P( J ) = P( J | Al ) P( Al ) + P( J |¬ Al ) P(¬ Al ) = 0.9 · 0.0025 · (1 − 0.0025) = 0.052
P( M) = 0.0117

Parte 2 P( Al | Bur ) = P( Al | Bur, Ear ) P( Ear ) + P( Al | Bur, ¬ Ear ) P(¬ Ear ) = 0.95 · 0.002 + 0.94 ·
0.998 = 0.94002
P( M| Bur ) = P( M | Al ) P( Al | Bur ) + P( M |¬ Al ) P(¬ Al | Bur ) = 0.7 · 0.94002 + 0.01 · 0.05998 = 0.659

P( M | Bur ) P( Bur ) 0.659·0.001

Parte 3 P( Bur | M ) = P( M)
= 0.0117 = 0.056.

1
Parte 4
• P( Al | J, M ) = 0.761, P( J, M | Bur ) = 0.5922, P( Al |¬ Bur ) = 0.00158, P( J, M|¬ Bur ) = 0.00149,
P( J, M ) = 0.00208, P( Bur | J, M) = 0.284.

Parte 5 P( J ) P( M ) = 0.052 · 0.0117 = 0.00061, pero P( J, M) = 0.00208.

Por tanto P( J ) P( M) 6= P( J, M).

Pregunta 3

De la teoría desarrollada en clase:

Pregunta 4
El aspecto relevante del mundo se puede describir mediante dos variables aleatorias: B significa
que el taxi era azul y LB significa que el taxi se veía azul. La información sobre la fiabilidad de la
identificación del color se puede escribir como:
P( LB| B) = 0.75 P(¬ LB|¬ B) = 0.75
Necesitamos saber la probabilidad de que el taxi fuera azul, dado que se veía azul:
P( B| LB) = 0.75P( B)
P(¬ B| LB) = 0.25(1 − P( B))
Por tanto, no podemos decidir la probabilidad sin alguna información sobre la probabilidad pre-
via de los taxis azules, P( B). Por ejemplo, si supiéramos que todos los taxis son azules, es decir,
P( B) = 1, entonces obviamente P( B| LB) = 1. Por otro lado, si establecemos que las proposiciones
pueden considerarse igualmente probable en ausencia de información diferenciadora, entonces
tenemos P( B) = 0.5 y P( B| LB) = 0.75. Por lo general, tendremos alguna información diferenci-
adora, por lo que este principio no se aplica.
Dado que 9 de cada 10 taxis son verdes, y suponiendo que el taxi en cuestión se extrae al azar de
la población de taxis, tenemos P( B) = 0.1. Por eso:
P( B| LB) = 0.75 × 0.1 = 0.075
P(¬ B| LB) = 0.25 × 0.9 = 0.225

2
 0.075
P( B| LB) = 0.075+0.225 = 0.25
0.225
P(¬ B| LB) = 0.075+0.225 = 0.75.

[ ]: