You are on page 1of 25

Sistemas de Ayuda a la Decisin Modelos Grficos Probabilsticos en el entorno GeNie

Juan A. Fdez. del Pozo, D2101 Departamento de Inteligencia Artificial Estadsitica e Investigacin Operativa

Indice
Sistemas de Ayuda a la Decisin

Sistemas de Ayuda a la Decisin Modelos Grficos Probabilsticos GeNie

Representacin del conocimiento en incertidumbre: Probabilidades, Asignacin y Clculo Modelos Grficos Probabilsticos: no dirigidos y dirigidos (Redes Bayesianas) Diagramas de influencia: Teora de Probabilidad + Teora de Utilidad Software para Sistemas de Ayuda a la Decisin: GeNie Modelos de Red Bayesiana y de Diagrama de Influencia: Didcticos: by-pass, subterraneo, helicptero Reales: non-Hodgkin linfoma, IctNeo Conclusiones

Sistemas de Ayuda a la Decisin

CONTEXTO
Sistemas de Ayuda a la Decisin
Modelo Grfico Probabilstico Diagrama de Influencia Adquisicin de conocimiento y representacin del problema Base de conocimiento Relaciones cualitativas Dependencias informativas Independencias condicionales Relaciones cuantitativas Probabilidades Utilidades

Evaluacin de polticas de decisin ptimas Base de conocimiento Explotacin del SAD

Sistemas de Ayuda a la Decisin

INTRODUCCIN Sistemas de Ayuda a la Decisin MODELOS para la Toma de Decisiones: arquitectura


Informacin de Control (~Sistema Inf: Input+proc+output) + Informacin de Dominio (estructural, derivada y factual)

Evaluacin [ModeloComplejidad]Complejidad ResultadosComplejidad

Sistemas de Ayuda a la Decisin

INTRODUCCIN Sistemas de Ayuda a la Decisin


Base de Conocimiento: Informacin sobre la Informacin Conexin, explicacin, justificacin, organizacin, Modelos Grficos Probabilsticos (DIAGRAMA DE INFLUENCIA,) Base de Conocimiento en nuestro contexto:
escenarios de decisin y alternativas ptimas, utilidades sobre las consecuencias y utilidades mximas esperadas, probabilidades a priori y a posteriori, explicacin, validacin, aprendizaje y anlisis de sensibilidad

Software para SAD


En la realidad econmica, social, poltica,... se presentan continuamente situaciones complejas en que se ha de elegir entre varios cursos de accin posibles para seguir el ptimo o uno satisfactorio.

Sistemas de Ayuda a la Decisin Para esta toma de decisiones no basta la experiencia, sentido comn o intuicin de los expertos, ya que, frecuentemente intervienen mltiples criterios, varios decisores, diversas etapas, conflictividad, incertidumbre,...

La versatilidad de los problemas reales de decisin humana ha hecho necesarios los esfuerzos de cientficos de mltiples reas, para ir construyendo esquemas metodolgicos coherentes y tcnicas, cada vez ms amplios para abordar correctamente los problemas de decisin.

Sistemas de Ayuda a la Decisin

Software para SAD

Esta leccin expone las ideas bsicas sobre las principales lneas de desarrollo actual de algunas de las herramientas software (DPL, GeNie, Elvira, Hugin, deal.....) que han surgido en estos ltimos aos para la modelizacin de preferencias y su estructuracin, tanto en problemas en ambiente de certidumbre como de incertidumbre. Esta clase de software supone una implementacin de partes de la Teora de los Procesos de Decisin que facilita la realizacin de las diferentes tareas ( conceptualizacin, cuantificacin, evaluacin, anlisis de sensibilidad, consultas, explicacin,) asociadas a: las metodologas de representacin de los problemas, la evaluacin de los modelos y la explotacin de los resultados

Sistemas de Ayuda a la Decisin

Software para SAD Entorno Software


Entorno Software. Introduccin. Dominios de aplicacin (marketing, medicina, logstica, planificacin, investigacin,...) y Tipos de problemas (diagnstico, control inteligente, diseo, prediccin, optimizacin, monitorizacin, entrenamiento,....) Problema --- Anlisis y Toma de Decisiones: Soluciones Software. *Opciones *Organizacin *Conclusiones

Sistemas de Ayuda a la Decisin

Software para SAD Entorno Software. Introduccin


Software para Anlisis de Decisiones. Las aplicaciones utilizan normalmente como plataforma software genrico: hojas de clculo (complementos para rboles de decisiones, simulacin MC,), paquetes estadsticos y lenguajes de modelado orientado a problemas (financieros, mdicos,) Para la modelizacin de problemas de decisin tambin est disponible software especializado que implementa: rboles de decisin, diagramas de influencia, redes bayesianas, funciones de utilidad multiatributo, estructuras de valor jerrquicas, simulaciones Monte Carlo y ptimizacin multicriterio.

Sistemas de Ayuda a la Decisin

Software para SAD Entorno Software. Dominios


El software es para modelizar y evaluar el problema: un analista finaciero, estudia opciones de negocio, el ingeniero, disea nuevos productos, el cientifico, investiga el comportamiento de un fenmeno fisico. Especialmente hecho a medida para usuarios en campos diversos: consultoria, mdicina, ciencias medioambientales, aeroespacial, energa, construccin, manufacturas, logstica y distribucin, servicios de inversin y financieros.

Sistemas de Ayuda a la Decisin

Software para SAD Entorno Software. Problemas


Problema - Anlisis y Toma de Decisiones: Solucin - Software. Metodologa: Anlisis de Decisiones. Tcnicas (IA): T Probabilidad, T Utilidad, AHP, OR, SIMU,.... Herramientas (*SW, +/-SW, SW): SS, BN, ID, DT, NN, ....

Soluciones: profesionales del dominio + anlistas de decisiones.

Metodologa = {Modelo, Resultados, Anlisis de Sensibilidad}

+
{Informe, Implementacin del Resultado, Evaluacin Crtica}

Sistemas de Ayuda a la Decisin

Software para SAD Entorno Software. Problemas


Nivel de conocimiento Nivel de conocimiento de problema, 2 niveles: Profesional (explotacin del software en su area de conocimiento). Experto (construccin y explotacin del software idem). Nivel de conocimento del software de anlisis, 3 niveles: Consultoria comercial (general): implantar soluciones. Consultoria tcnica (experto): explotacin de aplicaciones. Bsico (informtico + matemtico): I+D.

Sistemas de Ayuda a la Decisin

Software para SAD Entorno Software. Problemas


Anlisis de Decisiones para comprender problemas: ObjetivoS (beneficios, costes, dao, satisfaccin, jerarqua, ) Elementos (costes, recursos, tiempo, decisiones, informacin, ) Agentes (externos, pasivos, afectados, intereses, ) Interrelaciones ((in)dependencias, causa-efecto, ) Limitaciones (legales, ticas, ) Estructura (decisiones, subproblemas, ) AlternativaS (restricciones, dependencias, ) Consecuencias (alcance, utilidad, ) Riesgos (aversin, indiferencia, tendencia, ) Incertidumbres (distribuciones de probabilidad, dependencias, )

Sistemas de Ayuda a la Decisin

Software para SAD Entorno Software. Problemas


Es necesario responder mediante un MODELO(S), que represente el conocimiento relativo a las cuestiones anteriores, para utilizar software y obtener resultados de inters.

Que software necesito para mi problema ?

Sistemas de Ayuda a la Decisin

Software para SAD Entorno Software. Opciones


Software de Anlisis de Decisiones / Software estndar Estadstico: MINITAB, SAS, SPSS, S-PLUS, R, Investigacin operativa, simulacin,.... (paquetes software) Software para tomar decisiones Sistemas de ayuda a la decisin (ad hoc) Software para analizar datos (descriptiva, what-if, ....). Paquetes estadsticos, Hoja de clculo, Gestor de base de datos Software para modelado de datos (reglas, patrones, prediccin,....) KDD: data warehouse, data mining, data mart.... Software avanzado (SAS, CLEMENTINE, INTELLIGENT MINER), Software a medida versus software comercial de propsito especial

Sistemas de Ayuda a la Decisin

Software para SAD Entorno Software. Organizacin


Entorno de explotacin del software de anlisis. Informacin BBDD Operativas: BD Corporativa y BBDD DataWarehouse Conocimiento Experto, Encuestas e Investigacin de Mercados. Infraestructura Sistema de Informacin, Sistema Informtico y Herramientas Software (Modulos: Acceso, Anlisis, Informes)

Sistemas de Ayuda a la Decisin

Software para SAD Entorno Software. Organizacin


Entorno de explotacin del software de anlisis. Proceso de anlisis y toma de decisiones. Profesionales + Anlistas Modelado (modelo + datos + conocimiento), Evaluacin (datos + conocimiento), Anlisis de sensibilidad (resultados + conocimiento), Revisin del modelo (simplificar, corregir, ampliar) e Informe final a la Direccin Implementacin de las Decisiones

Sistemas de Ayuda a la Decisin

Software para SAD Entorno Software. Conclusiones


Diversidad: Problemas, Modelos, Herramientas y Software (SW) Seleccin modelos, herramientas y SW para un problemas concretos Necesidad de conocimiento profundo de los Problemas previo a la explotacin del SW. El SW til para estudiar un problema o solucin El SW permite abordar problemas muy complejos para las personas aunque se hacen importantes simplificaciones en los modelos para poder obtener resultados El SW condiciona el modelo (+/- flexible) El SW implementa parcialmente una metodologa y un modelo El SW favorece el acceso a grandes msas de datos tiles, la productividad de los anlistas y la creatividad de los expertos Las decisiones las toman las personas con ayuda del SW

Sistemas de Ayuda a la Decisin

Software para SAD GeNie


http://genie.sis.pitt.edu/

Construccin (diagrama) del modelo) Evaluacin de politicas ptimas Anlisis de sensibilidad (slo redes bayesianas) Propagacin de evidencia Estudio del grado de las influencias

REFERENCIAS: libros --S. Ros-Insua, A. Mateos, C. Bielza, y A. Jimnez. 2004. Investigacin Operativa: Modelos Determinsticos y Estocsticos. Centro de Estudios Ramn Areces, S.A., primera edicin S. Ros-Insua, C. Bielza, y A. Mateos. 2002. Fundamentos de los Sistemas de Ayuda a la Decisin. RAMA, primera edicin E. Castillo and J. M. Gutierrez and A. S. Hadi. "Expert systems and probabilistic network models". Springer-Verlag. 1997

REFERENCIAS: Artculos Tericos --S.M. Olmsted. 1983. On representing and solving decision problems. Tesis doctoral, Ph.D dissertation, Dept. Eng. Economic Syst., Stanford Univ., Stanford, CA J. Pearl. 1988. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. Morgan Kaufmann, primera edicin R.D. Shachter. 1986. Evaluating influence diagrams. Operations Research, 34(6):871882 K. Ezawa. 1998. Evidence propagation and value of evidence on influence diagrams. Operations Research, 46(1):7383 F. V. Jensen. "Bayesian Networks and Decision Diagrams". Springer. 2001

REFERENCIAS: Artculos Tericos --M. Henrion, J.S. Breese, y E.J. Horvitz. 1991. Decision analysis and expert systems. Artificial Intelligence Magazine, 12:6491 M. Druzdzel y R.R. Flyn. 2000. Decision support systems. En A. Kent, editor, Encyclopedia of Library of Information Science. Marcel Deker, Inc. Jensen. 2001. Graphical models as languages for computer assisted diagnosis and decision making. En S. Benferhat y P. Besnard, editores, Symbolic and Quantitative Approaches to Reasoning with Uncertainty, Volumen 2143 de Lecture Notes in Artificial Intelligence, paginas 115. Springer T.D. Nielsen y F.V. Jensen. 2003. Sensitivity analysis in influence diagrams. IEEE Transactions on Systems, Man, and CyberneticsPart a: Sysyems and Humans, 33(1):223234

REFERENCIAS:

Artculos Aplicados ---

C. Bielza, M. Gmez, S. Ros-Insua, y J.A. Fernndez del Pozo. 2000. Structural, elicitation and computational issues faced when solving complex decision making problems with influence diagrams. Computers & Operations Research, 27(7-8):725740 P. Lucas, H. Boot, y B. Taal. 1998. Computer-based decision-support in the management of primary gastric non-hodgkin lymphoma. Methods Inf. Med., 37:206219

REFERENCIAS:

WEB:

GeNIe. 2003. GeNIe: Graphical network interface, versin 2.0,. Decision System Laboratory, U. Pittsburgh, School of Information Systems. http://genie.sis.pitt.edu/ R Development Core Team. 2005. R: A language and environment for statistical computing. R Foundation for Statistical Computing, ISBN 3-900051-07-0 edicin. http://www.r-project.org/ http://www.ci.tuwien.ac.at/gR/ Hugin. 2002.. Expert Software c2001 http://www.hugin.com

REFERENCIAS:

Material: idR: influence diagrams using R, JA Fernndez del Pozo Artificial Intelligence Department, Technical University of Madrid http://www.dia.fi.upm.es/~jafernan/research/idr/idr.zip Grappa: R functions for probability propagation, Peter J. Green, University of Bristol, UK. Ace v1.2, Mark Chavira and Adnan Darwiche Computer Science Department University of California, Los Angeles, CA 90095

Tutoriales: http://www.cs.ubc.ca/~murphyk/Bayes/bnintro.html http://www.norsys.com/tutorials/netica/nt_toc_A.htm