SlideShare una empresa de Scribd logo
1 de 15
No existe, prácticamente, ningún problema en
donde se tenga la información total sobre todas
las variables y en donde esta información no
tenga ningún grado de incertidumbre o
imprecisión.
Problemas Sistemas Expertos




Los sistemas expertos que tratan        Métodos probabilísticos para
problemas deterministas son conocidos   solucionar problemas
como sistemas basados en reglas
En los problemas de la vida real se utiliza
    la información inmediata, es decir
datos, experiencia, razonamientos a priori
  para hacer inferencias que conduzcan
hacia algo más amplio que no se observa
              directamente.

  A través de la inferencia se utilizan
 observaciones del mundo para revelar
      otros hechos que no se han
      observado, esto se le llama
            Incertidumbre
La probabilidad es una medición
                        numérica que va de 0 a 1 de la posibilidad
                               de que un evento ocurra.




                0                                                      1


Si da cerca de 0 es improbable                          y si da cerca de uno es casi
que ocurra el evento                                    seguro que ocurra
• P(D1 = sol) = 0.9, P(D2 = sol | D1 = sol) = 0.8
• P(D2 = lluvia | D1 = sol) = ?




• P(D2 = sol | D1 = lluvia) = 0.6
• P(D2 = lluvia | D1 = lluvia) = ?
Redes Bayesianas
• P(A|B) = P(B|A)*P(A)/P(B) Teorema Bayes
  – B = evidencia
  – A = variable relevante
  – P(B) = ∑ P(B|A)*P(A)        A   No
                                    Observable




                                    Observable
                                B
El 20 % de los Empleados de una empresa son Ingenieros, el otro 20 % son Economistas.
El 75 % de los ingenieros ocupan un puesto directivo y el 50% de los Economistas
también mientras que los no Ingenieros y no Economistas solamente el 20% Ocupa un
puesto directivo. Cuál es la probabilidad de que un empleado directivo elegido al azar
sea Ingeniero?
P(A|B) = P(B|A)*P(A)/P(B)

               P(Ingeniero/directivo)=           0.2*0.75
                                         0.2*0.75+0.2*0.5+0.6*0.2



                                    =
1. Como mas podemos relacionar a los problemas Estocásticos?

2. A que se le conoce como Incertidumbre?

3. Es cierto que tenemos la información de todas las variables de un problema para
resolverlos?

4. Cuales son los problemas que pueden tratar los Sistemas Expertos?

5. Explique como definimos la Probabilidad.
                                                               Valida tus Respuestas
6. El teorema de Bayes fue enunciado por ?                             AQUI

7. En el teorema de Bayes como se le llama a B?

8. La P(B) en el Teorema de Bayes se haya ?

9. Escriba el Teorema de Bayes.
Webgrafia

Para visualizar la webgrafia de un click
Aquí

Más contenido relacionado

La actualidad más candente

REDES NEURONALES Algoritmos de Aprendizaje
REDES NEURONALES Algoritmos  de AprendizajeREDES NEURONALES Algoritmos  de Aprendizaje
REDES NEURONALES Algoritmos de AprendizajeESCOM
 
13 tipos de diagramas uml, la metodología de desarrollo ágil de software y la...
13 tipos de diagramas uml, la metodología de desarrollo ágil de software y la...13 tipos de diagramas uml, la metodología de desarrollo ágil de software y la...
13 tipos de diagramas uml, la metodología de desarrollo ágil de software y la...Uriel Herrera
 
Base de datos zoológico
Base de datos   zoológicoBase de datos   zoológico
Base de datos zoológicoGERMAN MULLO
 
Ejercicios con Lenguajes Formales
Ejercicios con Lenguajes FormalesEjercicios con Lenguajes Formales
Ejercicios con Lenguajes Formalesvmtorrealba
 
Clases y objetos de java
Clases y objetos de javaClases y objetos de java
Clases y objetos de javainnovalabcun
 
Portafolio lenguajes y automatas unidad 3 - Autómatas finitos
Portafolio lenguajes y automatas unidad 3 - Autómatas finitosPortafolio lenguajes y automatas unidad 3 - Autómatas finitos
Portafolio lenguajes y automatas unidad 3 - Autómatas finitosHumano Terricola
 
Tecnicas de estimacion de costos de proyecto software
Tecnicas de estimacion de costos de proyecto softwareTecnicas de estimacion de costos de proyecto software
Tecnicas de estimacion de costos de proyecto softwareJennifer Andrea Cano Guevara
 
Modelo relacional
Modelo relacionalModelo relacional
Modelo relacionalSuarezJhon
 
Metodos de programacion no-lineal
Metodos de programacion no-linealMetodos de programacion no-lineal
Metodos de programacion no-linealRobert Rivero
 
Ejemplo plan de desarrollo de software rup
Ejemplo plan de desarrollo de software rupEjemplo plan de desarrollo de software rup
Ejemplo plan de desarrollo de software rupXochitl Saucedo Muñoz
 

La actualidad más candente (20)

Conceptos de diseño
Conceptos de diseñoConceptos de diseño
Conceptos de diseño
 
REDES NEURONALES Algoritmos de Aprendizaje
REDES NEURONALES Algoritmos  de AprendizajeREDES NEURONALES Algoritmos  de Aprendizaje
REDES NEURONALES Algoritmos de Aprendizaje
 
13 tipos de diagramas uml, la metodología de desarrollo ágil de software y la...
13 tipos de diagramas uml, la metodología de desarrollo ágil de software y la...13 tipos de diagramas uml, la metodología de desarrollo ágil de software y la...
13 tipos de diagramas uml, la metodología de desarrollo ágil de software y la...
 
Base de datos zoológico
Base de datos   zoológicoBase de datos   zoológico
Base de datos zoológico
 
3. Modelo ER - Relacional
3. Modelo ER - Relacional3. Modelo ER - Relacional
3. Modelo ER - Relacional
 
Mapas de karnaugh
Mapas de karnaughMapas de karnaugh
Mapas de karnaugh
 
Teoría de Automatas
Teoría de AutomatasTeoría de Automatas
Teoría de Automatas
 
Programación dinámica
Programación dinámicaProgramación dinámica
Programación dinámica
 
Ejercicios con Lenguajes Formales
Ejercicios con Lenguajes FormalesEjercicios con Lenguajes Formales
Ejercicios con Lenguajes Formales
 
Supertipos Y Clasificacion
Supertipos Y ClasificacionSupertipos Y Clasificacion
Supertipos Y Clasificacion
 
Clases y objetos de java
Clases y objetos de javaClases y objetos de java
Clases y objetos de java
 
Portafolio lenguajes y automatas unidad 3 - Autómatas finitos
Portafolio lenguajes y automatas unidad 3 - Autómatas finitosPortafolio lenguajes y automatas unidad 3 - Autómatas finitos
Portafolio lenguajes y automatas unidad 3 - Autómatas finitos
 
CODIGO DE HUFFMAN
CODIGO DE HUFFMANCODIGO DE HUFFMAN
CODIGO DE HUFFMAN
 
Tecnicas de estimacion de costos de proyecto software
Tecnicas de estimacion de costos de proyecto softwareTecnicas de estimacion de costos de proyecto software
Tecnicas de estimacion de costos de proyecto software
 
Unidad1 Lenguajes y automatas
Unidad1 Lenguajes y automatasUnidad1 Lenguajes y automatas
Unidad1 Lenguajes y automatas
 
Modelo relacional
Modelo relacionalModelo relacional
Modelo relacional
 
Principios diseño del software
Principios diseño del software Principios diseño del software
Principios diseño del software
 
Semaforos
SemaforosSemaforos
Semaforos
 
Metodos de programacion no-lineal
Metodos de programacion no-linealMetodos de programacion no-lineal
Metodos de programacion no-lineal
 
Ejemplo plan de desarrollo de software rup
Ejemplo plan de desarrollo de software rupEjemplo plan de desarrollo de software rup
Ejemplo plan de desarrollo de software rup
 

Similar a Sistemas Expertos Probabilisticos

Similar a Sistemas Expertos Probabilisticos (10)

Teoria de bayes en la toma de decision
Teoria de bayes en la toma de decisionTeoria de bayes en la toma de decision
Teoria de bayes en la toma de decision
 
Sesión 9, errores comunes en las estimaciones
Sesión 9, errores comunes en las estimacionesSesión 9, errores comunes en las estimaciones
Sesión 9, errores comunes en las estimaciones
 
Matematica computacional
Matematica computacionalMatematica computacional
Matematica computacional
 
Taller numeración racional
Taller numeración racionalTaller numeración racional
Taller numeración racional
 
Estad uma 04
Estad uma 04Estad uma 04
Estad uma 04
 
Análisis bayesiano
Análisis bayesianoAnálisis bayesiano
Análisis bayesiano
 
Propagación de errores
Propagación de erroresPropagación de errores
Propagación de errores
 
pe27 - Probabilidad condicional e independiente.pptx
pe27 - Probabilidad condicional e independiente.pptxpe27 - Probabilidad condicional e independiente.pptx
pe27 - Probabilidad condicional e independiente.pptx
 
2.6 2.9
2.6   2.92.6   2.9
2.6 2.9
 
probabilidad.pptx
probabilidad.pptxprobabilidad.pptx
probabilidad.pptx
 

Último

EVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptx
EVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptxEVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptx
EVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptxJorgeParada26
 
Avances tecnológicos del siglo XXI y ejemplos de estos
Avances tecnológicos del siglo XXI y ejemplos de estosAvances tecnológicos del siglo XXI y ejemplos de estos
Avances tecnológicos del siglo XXI y ejemplos de estossgonzalezp1
 
Modulo-Mini Cargador.................pdf
Modulo-Mini Cargador.................pdfModulo-Mini Cargador.................pdf
Modulo-Mini Cargador.................pdfAnnimoUno1
 
Refrigerador_Inverter_Samsung_Curso_y_Manual_de_Servicio_Español.pdf
Refrigerador_Inverter_Samsung_Curso_y_Manual_de_Servicio_Español.pdfRefrigerador_Inverter_Samsung_Curso_y_Manual_de_Servicio_Español.pdf
Refrigerador_Inverter_Samsung_Curso_y_Manual_de_Servicio_Español.pdfvladimiroflores1
 
PROYECTO FINAL. Tutorial para publicar en SlideShare.pptx
PROYECTO FINAL. Tutorial para publicar en SlideShare.pptxPROYECTO FINAL. Tutorial para publicar en SlideShare.pptx
PROYECTO FINAL. Tutorial para publicar en SlideShare.pptxAlan779941
 
How to use Redis with MuleSoft. A quick start presentation.
How to use Redis with MuleSoft. A quick start presentation.How to use Redis with MuleSoft. A quick start presentation.
How to use Redis with MuleSoft. A quick start presentation.FlorenciaCattelani
 
pruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNITpruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNITMaricarmen Sánchez Ruiz
 
Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...
Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...
Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...JohnRamos830530
 
Innovaciones tecnologicas en el siglo 21
Innovaciones tecnologicas en el siglo 21Innovaciones tecnologicas en el siglo 21
Innovaciones tecnologicas en el siglo 21mariacbr99
 
Avances tecnológicos del siglo XXI 10-07 eyvana
Avances tecnológicos del siglo XXI 10-07 eyvanaAvances tecnológicos del siglo XXI 10-07 eyvana
Avances tecnológicos del siglo XXI 10-07 eyvanamcerpam
 
EL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptx
EL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptxEL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptx
EL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptxMiguelAtencio10
 

Último (11)

EVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptx
EVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptxEVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptx
EVOLUCION DE LA TECNOLOGIA Y SUS ASPECTOSpptx
 
Avances tecnológicos del siglo XXI y ejemplos de estos
Avances tecnológicos del siglo XXI y ejemplos de estosAvances tecnológicos del siglo XXI y ejemplos de estos
Avances tecnológicos del siglo XXI y ejemplos de estos
 
Modulo-Mini Cargador.................pdf
Modulo-Mini Cargador.................pdfModulo-Mini Cargador.................pdf
Modulo-Mini Cargador.................pdf
 
Refrigerador_Inverter_Samsung_Curso_y_Manual_de_Servicio_Español.pdf
Refrigerador_Inverter_Samsung_Curso_y_Manual_de_Servicio_Español.pdfRefrigerador_Inverter_Samsung_Curso_y_Manual_de_Servicio_Español.pdf
Refrigerador_Inverter_Samsung_Curso_y_Manual_de_Servicio_Español.pdf
 
PROYECTO FINAL. Tutorial para publicar en SlideShare.pptx
PROYECTO FINAL. Tutorial para publicar en SlideShare.pptxPROYECTO FINAL. Tutorial para publicar en SlideShare.pptx
PROYECTO FINAL. Tutorial para publicar en SlideShare.pptx
 
How to use Redis with MuleSoft. A quick start presentation.
How to use Redis with MuleSoft. A quick start presentation.How to use Redis with MuleSoft. A quick start presentation.
How to use Redis with MuleSoft. A quick start presentation.
 
pruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNITpruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNIT
 
Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...
Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...
Resistencia extrema al cobre por un consorcio bacteriano conformado por Sulfo...
 
Innovaciones tecnologicas en el siglo 21
Innovaciones tecnologicas en el siglo 21Innovaciones tecnologicas en el siglo 21
Innovaciones tecnologicas en el siglo 21
 
Avances tecnológicos del siglo XXI 10-07 eyvana
Avances tecnológicos del siglo XXI 10-07 eyvanaAvances tecnológicos del siglo XXI 10-07 eyvana
Avances tecnológicos del siglo XXI 10-07 eyvana
 
EL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptx
EL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptxEL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptx
EL CICLO PRÁCTICO DE UN MOTOR DE CUATRO TIEMPOS.pptx
 

Sistemas Expertos Probabilisticos

  • 1.
  • 2.
  • 3. No existe, prácticamente, ningún problema en donde se tenga la información total sobre todas las variables y en donde esta información no tenga ningún grado de incertidumbre o imprecisión.
  • 4. Problemas Sistemas Expertos Los sistemas expertos que tratan Métodos probabilísticos para problemas deterministas son conocidos solucionar problemas como sistemas basados en reglas
  • 5. En los problemas de la vida real se utiliza la información inmediata, es decir datos, experiencia, razonamientos a priori para hacer inferencias que conduzcan hacia algo más amplio que no se observa directamente. A través de la inferencia se utilizan observaciones del mundo para revelar otros hechos que no se han observado, esto se le llama Incertidumbre
  • 6.
  • 7. La probabilidad es una medición numérica que va de 0 a 1 de la posibilidad de que un evento ocurra. 0 1 Si da cerca de 0 es improbable y si da cerca de uno es casi que ocurra el evento seguro que ocurra
  • 8.
  • 9.
  • 10. • P(D1 = sol) = 0.9, P(D2 = sol | D1 = sol) = 0.8 • P(D2 = lluvia | D1 = sol) = ? • P(D2 = sol | D1 = lluvia) = 0.6 • P(D2 = lluvia | D1 = lluvia) = ?
  • 11. Redes Bayesianas • P(A|B) = P(B|A)*P(A)/P(B) Teorema Bayes – B = evidencia – A = variable relevante – P(B) = ∑ P(B|A)*P(A) A No Observable Observable B
  • 12. El 20 % de los Empleados de una empresa son Ingenieros, el otro 20 % son Economistas. El 75 % de los ingenieros ocupan un puesto directivo y el 50% de los Economistas también mientras que los no Ingenieros y no Economistas solamente el 20% Ocupa un puesto directivo. Cuál es la probabilidad de que un empleado directivo elegido al azar sea Ingeniero?
  • 13. P(A|B) = P(B|A)*P(A)/P(B) P(Ingeniero/directivo)= 0.2*0.75 0.2*0.75+0.2*0.5+0.6*0.2 =
  • 14. 1. Como mas podemos relacionar a los problemas Estocásticos? 2. A que se le conoce como Incertidumbre? 3. Es cierto que tenemos la información de todas las variables de un problema para resolverlos? 4. Cuales son los problemas que pueden tratar los Sistemas Expertos? 5. Explique como definimos la Probabilidad. Valida tus Respuestas 6. El teorema de Bayes fue enunciado por ? AQUI 7. En el teorema de Bayes como se le llama a B? 8. La P(B) en el Teorema de Bayes se haya ? 9. Escriba el Teorema de Bayes.
  • 15. Webgrafia Para visualizar la webgrafia de un click Aquí