Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema4-Mini IA
Tema4-Mini IA
Incertidumbre e Imprecisión
Francisco José Ribadas Pena
INTELIGENCIA ARTIFICIAL
5o Informática
ribadas@uvigo.es
17 de enero de 2006
Incertidumbre e imprecisión
• Incertidumbre
∀x f iebreAlta(x) ∧ dolorM uscular(x) → tieneGripe(x)
∀x f iebreAlta(x) ∧ dolorM uscular(x) → tieneEbola(x)
Técnicas generales
inferencia probabilı́stica
lo veremos en términos de hipótesis (Hi) y evidencias (Ej ).
= P (Vn |Vn , Vn−1 , ..., V1 ) · P (Vn−1 |Vn−1 , ..., V1 ) · ... · P (V2 |V1 ) · P (V1 )
Teorema de Bayes
Ante un paciente con fiebre (evidencia), se desea determinar qué enfermedad tiene:
gripe, bronquitis o ébola (hipótesis)
Idea base: Bastará calcular las probabilidades de todas las posibles hipótesis en base a
las evidencias disponibles y tomar la/las más probable/probables
Difı́cil estimar ese tipo de probabilidades (P (H|E)). Más fácil estimar P (E|H) si hay
relación causa-efecto.
Se dispone de P (f iebre) = 0, 45: Incidencia de fiebre (el 45 % de los enfermos tiene fiebre)
Teorema de Bayes
P (E|H)P (H)
P (H|E) =
P (E|H)P (H) + P (E|¬H)P (¬H)
= P (Vn |Vn , Vn−1 , ..., V1 , E)·P (Vn−1 |Vn−1 , ..., V1 , E)·...·P (V2 |V1 , E)·
P (V1 |E)
P (E1 ,E2 |H)P (H) P (E1 |E2 ,H)P (E2 |H)P (H)
P (H|E1 , E2 ) = P (E1 ,E2 )
= P (E1 |E2 )P (E2 )
(P (Vi , Vj |V) = P (Vi |Vj , V)P (Vj |V) = P (Vi |V)P (Vj |V))
Ejemplo.
Si se asume que fiebre, tos y dolor sólo dependen de si el paciente tiene gripe, no los
unos de los otros, tenemos:
Definición
• Ejemplo:
“la prob. de que llame si hubo un robo es igual a la prob. de que suene la alarma y llame
cuando hubo robo más la prob. de que no suene la alarma y llame cuando hubo robo”
2. transformar la expresión para que quede condionada a los
padres (usar regla del producto)
P (E − ,E + |Q)P (Q)
P (Q|E) = P (Q|E − , E + ) = = (teorema de Bayes)
P (E − ,E + )
P (E − |E + ,Q)P (E + |Q)P (Q)
= = (regla producto)
P (E − ,E + )
P (E − |Q)P (E + |Q)P (Q)
= (independ. E- y E+ dado Q
P (E − ,E + )