Métodos Probabilísticos (Bayesianos) y

Factor de Certeza
• Jose Angel Ramirez Sanchez

Métodos Probabilísticos (Bayesianos) y Factor de Certeza 08/08/2020 1

 Probabilidad Bayesiana

 Es una de las diferentes interpretaciones del concepto de probabilidad. La

interpretación bayesiana de la probabilidad puede ser vista como una extensión
de la lógica proposicional que permite razonar con hipótesis, es decir, las
proposiciones cuya veracidad o falsedad son inciertas.

 Pertenece a la categoría de las probabilidades probatorias; para evaluar la

probabilidad de una hipótesis, la probabilista bayesiana especifica alguna
probabilidad a priori, que se actualiza a continuación, a la luz de nuevos y
relevantes datos. La interpretación bayesiana proporciona un conjunto estándar
de los procedimientos y las fórmulas para realizar este cálculo.

Métodos Probabilísticos (Bayesianos) y Factor de Certeza 08/08/2020 2

 Metodología
 El uso de variables aleatorias, o, más en general, de cantidades desconocidas,
para modelar todas las fuentes de incertidumbre en los modelos estadísticos.
Esto también incluye la incertidumbre derivada de la falta de información.
 La necesidad de determinar la distribución de probabilidad previa, teniendo en
cuenta la información disponible (antes).
 El uso secuencial del teorema de Bayes: cuando se disponga de más datos,
calcular la distribución posterior utilizando la fórmula Bayes; posteriormente, la
distribución posterior se convierte en el siguiente antes.
 Para el frecuentista una hipótesis es una proposición (que debe ser verdadera
o falsa), por lo que la probabilidad frecuentista de una hipótesis es uno o cero.
En la estadística bayesiana, una probabilidad asignada a una hipótesis puede
diferir de 0 o 1 si el valor de verdad es incierto.8​ Varios autores han sugerido
otras aproximaciones para hacer la teoría más rigurosa.8​

Métodos Probabilísticos (Bayesianos) y Factor de Certeza 08/08/2020 3

 Objetivas y Subjetivas

 Hay dos interpretaciones sobre la probabilidad bayesiana.

 Para los objetivistas, interpretar la probabilidad como una extensión de la
lógica, la probabilidad cuantifica la expectativa razonable de que todos (incluso
un "robot") que comparten el mismo conocimiento compartan de acuerdo con
las reglas de las estadísticas bayesianas, lo que puede justificarse mediante el
teorema de Cox.
 Para los subjetivistas, la probabilidad corresponde a una creencia personal.​
La racionalidad y la coherencia permiten una variación sustancial dentro de las
restricciones que plantean; las restricciones están justificadas por el
argumento del libro holandés o por la teoría de la decisión y el teorema de
Finetti.
Las variantes objetivas y subjetivas de la probabilidad bayesiana difieren
principalmente en su interpretación y construcción de la probabilidad previa.
Métodos Probabilísticos (Bayesianos) y Factor de Certeza 08/08/2020 4
 Redes Bayesianas

 Las redes bayesianas son una representación gráfica de dependencias para

razonamiento probabilístico, en la cual los nodos y arcos representan:
 Nodo: Variable proposicional.
 Arcos: Dependencia probabilística.

Una red bayesiana (RB) es un grafo acíclico dirigido (DAG) en la cual cada nodo
representa una variable y cada arco una dependencia probabilística, en la cual se
especifica la probabilidad condicional de cada variable dados sus padres.
La variable a la que apunta el arco es dependiente (causa-efecto) de la que está
en el origen de éste.

Métodos Probabilísticos (Bayesianos) y Factor de Certeza 08/08/2020 5

 Distribución de probabilidad:
 Representa la distribución de la probabilidad conjunta de las variables
representadas en la red.
 Base de reglas:
 Cada arco representa un conjunto de reglas que asocian las variables
involucradas

Métodos Probabilísticos (Bayesianos) y Factor de Certeza 08/08/2020 6

 Estructura

 La topología o estructura de la red nos da información sobre las dependencias

probabilísticas entre las variables.
 La red también representa las independencias condicionales de una variable (o
conjunto de variables) dada otra(s) variable(s).

Métodos Probabilísticos (Bayesianos) y Factor de Certeza 08/08/2020 7

 Factor de Certeza

 MYCIN define un Factor de Certeza (CF) que se asocia a cada regla y cada
evidencia, y se definen un conjunto de reglas para combinar estos factores.

 La evidencia es condicionalmente independiente de la hipótesis y su

negación.
 La red de inferencia debe corresponder a un árbol para que los resultados
sean coherentes.
 Las fórmulas para conjunción y disjunción (min y max ) sólo son válidas si
uno de los términos es subconjunto del otro.

Métodos Probabilísticos (Bayesianos) y Factor de Certeza 08/08/2020 8

 Factor de Certeza

 Mycin fue uno de los primeros sistemas expertos desarrollados en Stanford en

los 70’s. Este sistema diagnosticaba y recomendaba tratamiento para ciertas
infecciones en la sangre. Es un sistema que si bien realiza cierta manipulaci´on
num´erica, no utiliza probabilidades sino que utiliza factores de certeza. Cada
sentencia tiene asignado un factor de certeza que va de -1 a 1.
 Un factor de certeza de -1 indica que la sentencia se sabe que es falsa y un
factor de certeza 1 indica que la sentencia es verdadera. Un factor de certeza 0
indica que no se tiene creencia alguna acerca de la sentencia.

Métodos Probabilísticos (Bayesianos) y Factor de Certeza 08/08/2020 9