BAYESIAN_NETWORKS

/supervised learning_
>> PROGRAMA DE FORMACION DATA SCIENCE
El uso del
sentido común
y el
conocimiento
previo es algo
que hacemos
sin pensar._
 Pelo P(♂) x P( Pelo / ♂)
Pelo
P(♀) P(♂/
P(♂/largo
P(♂/ Pelo
)=))==largo)
P (pelo
largo
(0.98)*(0.04)
0.784
= 0.05≈ 0.8
largo P(♂)
P(
P(♀) ♀
pelo
= / ♀ ))
Xcon
0.02
largo P (pelo
0.05largo)
P( ♂pelo
Xcon/♂))
P( largo
/ ♀)
pelo
P(pelo largo 100 INDIVIDUOS P(
P(♂) =
pelo
largo
P(pelo 0.98
/♂)
largo
=largo
0.5 = 0.04
largo
== 0.01
0.01 == 0.01
0.04

1♀ 25
CABELLO
♀
CORTO
CABELLO
CORTO 9448♂
2
50 ♂CABELLO
CABELLO 98
50
98
♀
CORTO
1♀ 25 CORTO
CABELLO
LARGO CABELLO
LARGO CABELLO
4♂ 2♂
CABELLO LARGO
LARGO

¿El individuo de pelo largo es mas probable que sea hombre o mujer?
 evidencia
Datos 𝑃 𝐵
MARGINAL
reales
𝑃 𝐴
A_PRIORI

INFERENCIA
𝑷 𝑩Τ𝑨 ⋅ 𝑷 𝑨 LIKELIHOOD
𝑷 𝑨Τ𝑩 =
BAYESIANA_
𝑷 𝑩 𝐵Τ𝐴
𝑃 Datos
analizados

A_POSTERIORI
𝑃 𝐴Τ𝐵
Consecuencia
lógica
 //_Representación
gráfica
de dependencias
para razonamiento
probabilístico_

REDES NODO
BAYESIANAS Variable
aleatoria

ARCO
relación de dependencia
 Modelo
probabilístico

Modelo

REDES
Grafo
BAYESIANAS dirigido
aciclico

Probabilidad
 REDES BAYESIANAS P(TERREMOTO)

0.002

P(ROBO)

0.001
ROBO TERREMOTO

ROBO TERR P(ALAR)

ROBO TERR 0.95
ALARMA ROBO TERR 0.94
NO RO NO TERR 0.29
NO RO NO TERR 0.001

JUAN MARIA
LLAMA LLAMA

ALARMA P(J. LL) ALARMA P(M. LL)

ALARMA 0.90 ALARMA 0.70
NO ALAR 0.05 NO ALAR 0.01
 REDES
BAYESIANAS
DINÁMICAS

Consiste en una
representación de los
estados de un proceso en
un tiempo y las
relaciones temporales
entre dichos procesos
 APLICACIÓN DE
LAS REDES
BAYESIANAS

En procesos estocasticos estacionarios

Inferencia en un
proceso Markov
Oculto
INTERACCIÓN DE RED BAYESIANA - La probabilidad a
2 DISTRIBUCIONES DINAMICA priori entre los
DE PROBABILIDAD estados no varia en
el tiempo.
-Y las evidencias
ocultas, son
independientes
TRANSICION, entre si.
probabilidad que
ocurra un estado
oculto dado que
ocurrió un estado
oculto predecesor.
EMISION, MODELOS
probabilidad que OCULTOS DE
ocurra un estado
oculto dado un estado
MARKOV
observable.
La evidencia actual
es independiente
de todo lo demás si
se conoce el estado
actual.
EJEMPLO, POR
FAVOR
ALGORITMO DE
VITERBI PARA
HMM
https://github.com/kendalvictor/ejempl
o_viterbi/blob/master/viterbi.ipynb
 "Las preguntas más
importantes de la vida
son, en su mayor parte,
nada más que problemas
de probabilidad."

PIERRE-SIMON LAPACE