SlideShare una empresa de Scribd logo
ESTADÍSTICA BAYESIANA, INTELIGENCIA ARTIFICIAL Y LAS CADENAS
DE MÁRKOV
Elaborado por: María José Varela
Dentro de las aplicaciones de la teoría de la probabilidad es válido enunciar el
Teorema de Bayes como expresión de probabilidad condicional que demuestra
los beneficios obtenidos en las estimaciones basadas en conocimientos
intrínsecos. La metodología bayesiana especifica un modelo de probabilidad
que contiene algún tipo conocimiento previo acerca de una investigación, de
este modo se acondiciona al modelo de probabilidad para realizar el ajuste de
los supuestos.
Por otro lado, la importancia de la inteligencia artificial radica en que busca
mejorar, aprender, entender y razonar situaciones complejas, además busca
aplicar conocimientos del ser humano y las maneras diferentes que se actúa,
ante una posible situación. La metodología y terminología de la IA está todavía
en vías de desarrollo. La IA se está dividiendo y encontrando otros campos
relacionados: lógica, redes neuronales, programación orientada a objetos,
lenguajes formales, robótica, entre otros.
Finalmente, otro tema que se abordará de suma importancia, son las cadenas
de Márkov, ​que hacen referencia a una herramienta para analizar el
comportamiento de determinados tipos de procesos que evolucionan de forma
no determinística a lo largo del tiempo en torno a un conjunto de estados. Una
cadena de Márkov, por tanto, representa un sistema que varía un estado a lo
largo del tiempo, siendo cada cambio una transición del sistema.
La Estadística bayesiana es un subconjunto del campo de la estadística en la
que la evidencia sobre el verdadero estado del mundo, se expresa en términos
de grados de creencia o, más específicamente, las probabilidades bayesianas.
La diferencia fundamental entre la estadística clásica (frecuentista) y la
bayesiana es el concepto de probabilidad. Para la estadística clásica es un
concepto objetivo, que se encuentra en la naturaleza, mientras que para la
estadística bayesiana se encuentra en el observador, siendo así un concepto
subjetivo (Es simplemente una medida de la incertidumbre, asociada a un
evento, asignada por un decisor. En otras palabras, es un juicio personal sobre
la verosimilitud de que ocurra un resultado).
La inferencia bayesiana es un tipo de inferencia estadística en la que las
evidencias u observaciones se emplean para actualizar o inferir la probabilidad
de que una hipótesis pueda ser cierta. El nombre “bayesiana” proviene del uso
frecuente que se hace del teorema de Bayes durante el proceso de inferencia.
El teorema de Bayes se ha derivado del trabajo realizado por el matemático
Thomas Bayes. Hoy en día, uno de los campos de aplicación es en la teoría de
la decisión, visión artificial (simulación de la percepción en general) y el
reconocimiento de patrones por ordenador.
La metodología bayesiana consta de tres pasos fundamentales:
1. Especificar un modelo de probabilidad que incluya algún tipo de
conocimiento previo (a priori) sobre los parámetros del modelo dado.
2. Actualizar el conocimiento sobre los parámetros desconocidos
condicionando este modelo de probabilidad a los datos observados.
3. Evaluar el ajuste del modelo a los datos y la sensibilidad de las
conclusiones a cambios en los supuestos del modelo.
Al admitir un manejo subjetivo de la probabilidad, el analista bayesiano podrá
emitir juicios de probabilidad sobre una hipótesis H y expresar por esa vía
su grado de convicción al respecto, tanto antes como después de haber
observado los datos. En su versión más elemental y en este contexto, el
teorema de Bayes asume la forma siguiente:
𝑃​(​ 𝐴 𝑖​ |​ 𝐵​) = ​ 𝑃​(​ 𝐵​|​ 𝐴 𝑖​ )​ 𝑃​(​ 𝐴 𝑖​)
𝑃​(​ 𝐵​)
Donde:
· (​ 𝐴​) ​son las probabilidades a priori​.
· (​ 𝐵​|​ 𝐴​) ​es la probabilidad de ​ 𝐵​ en la hipótesis ​ 𝐴​ .
· (​ 𝐴 𝑖​ |​ 𝐵​) ​son las probabilidades a posteriori.
Por otro lado, La inteligencia artificial es considerada una rama de la
computación y relaciona un fenómeno natural con una analogía artificial a
través de programas de computador. La inteligencia artificial puede ser tomada
como ciencia si se enfoca hacia la elaboración de programas basados en
comparaciones con la eficiencia del hombre, contribuyendo a un mayor
entendimiento del conocimiento humano.
Si por otro lado es tomada como ingeniería, basada en una relación deseable
de entrada-salida para sintetizar un programa de computador. "El resultado es
un programa de alta eficiencia que funciona como una poderosa herramienta
para quien la utiliza."
A través de la inteligencia artificial se han desarrollado los sistemas expertos
que pueden imitar la capacidad mental del hombre y relacionan reglas de
sintaxis del lenguaje hablado y escrito sobre la base de la experiencia, para
luego hacer juicios acerca de un problema, cuya solución se logra con mejores
juicios y más rápidamente que el ser humano.
No obstante, una cadena de Márkov es una serie de eventos, en la cual la
probabilidad de que ocurra un evento depende del evento inmediato anterior.
En efecto, las cadenas de este tipo tienen memoria, "Recuerdan" el último
evento y esto condiciona las posibilidades de los eventos futuros. Esta
dependencia del evento anterior distingue a las cadenas de Márkov de las
series de eventos independientes, como tirar una moneda al aire o un dado. En
los negocios, las cadenas de Márkov se han utilizado para analizar los patrones
de compra, los deudores morosos, para planear las necesidades de personal y
para analizar el reemplazo de equipo.
Permite encontrar la probabilidad de que un sistema se encuentre en un estado
en particular en un momento dado. Algo más importante aún, es que permite
encontrar el promedio a la larga o las probabilidades de estado estable, para
cada estado. Con esta información se puede predecir el comportamiento del
sistema a través del tiempo. La tarea más difícil es reconocer cuándo puede
aplicarse. La característica más importante que hay que buscar en la memoria
de un evento a otro.

Más contenido relacionado

La actualidad más candente

El conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia ArtificialEl conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia Artificial
warrionet
 
Representación del conocimiento
Representación del conocimiento Representación del conocimiento
Representación del conocimiento
marianasanchezp
 
Presentacion master
Presentacion masterPresentacion master
Presentacion master
Lizitha Almontesin
 
Inteligencia artificial cuadro
Inteligencia artificial cuadroInteligencia artificial cuadro
Inteligencia artificial cuadro
Yune2
 
Clase Inteligencia Artificial Unidad 3
Clase Inteligencia Artificial Unidad 3Clase Inteligencia Artificial Unidad 3
Clase Inteligencia Artificial Unidad 3
K Reyes
 
Inteligencia artificial representacion
Inteligencia artificial representacionInteligencia artificial representacion
Inteligencia artificial representacion
Juan Carlos Mendez
 
3 . Representación del conocimiento y razonamiento
3 . Representación del conocimiento y razonamiento3 . Representación del conocimiento y razonamiento
3 . Representación del conocimiento y razonamiento
Humberto Chalate Jorge
 
Representación del Conocimiento
Representación del ConocimientoRepresentación del Conocimiento
Representación del Conocimiento
dansua07
 
Representacion de Conocimiento en I.A
Representacion de Conocimiento en I.ARepresentacion de Conocimiento en I.A
Representacion de Conocimiento en I.A
Jose Miguel Torres Mendoza
 
Sistemas basados en conocimiento
Sistemas basados en conocimientoSistemas basados en conocimiento
Sistemas basados en conocimiento
Hugo Banda
 
Aprendizaje Automatizado
Aprendizaje AutomatizadoAprendizaje Automatizado
Aprendizaje Automatizado
Vivian Lainez
 
020 algoritmos2
020 algoritmos2020 algoritmos2
020 algoritmos2
Araceli Mundo
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
Agustin Flores
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
borja Nª1
 
Trabajo definitivo rafael gutierrez
Trabajo definitivo rafael gutierrezTrabajo definitivo rafael gutierrez
Trabajo definitivo rafael gutierrez
Rafaelg1010
 
Sistema basado en el comocimiento
Sistema basado en el comocimientoSistema basado en el comocimiento
Sistema basado en el comocimiento
Universidad Jose Peralta
 
Inteligencia Artificial Vannesa Anama
Inteligencia Artificial Vannesa AnamaInteligencia Artificial Vannesa Anama
Inteligencia Artificial Vannesa Anama
Vannesa Tyrone Anama TjGo
 
Representacion del conocimiento
Representacion del conocimientoRepresentacion del conocimiento
Representacion del conocimiento
Anibal Parra
 
Representacion del Conocimiento Inteligencia Artificial
Representacion del Conocimiento Inteligencia ArtificialRepresentacion del Conocimiento Inteligencia Artificial
Representacion del Conocimiento Inteligencia Artificial
jorgeescalona2387
 
Inteigencia artificial raudin
Inteigencia artificial raudinInteigencia artificial raudin
Inteigencia artificial raudin
RAUDINALBERTOCAMACAR
 

La actualidad más candente (20)

El conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia ArtificialEl conocimiento en Inteligencia Artificial
El conocimiento en Inteligencia Artificial
 
Representación del conocimiento
Representación del conocimiento Representación del conocimiento
Representación del conocimiento
 
Presentacion master
Presentacion masterPresentacion master
Presentacion master
 
Inteligencia artificial cuadro
Inteligencia artificial cuadroInteligencia artificial cuadro
Inteligencia artificial cuadro
 
Clase Inteligencia Artificial Unidad 3
Clase Inteligencia Artificial Unidad 3Clase Inteligencia Artificial Unidad 3
Clase Inteligencia Artificial Unidad 3
 
Inteligencia artificial representacion
Inteligencia artificial representacionInteligencia artificial representacion
Inteligencia artificial representacion
 
3 . Representación del conocimiento y razonamiento
3 . Representación del conocimiento y razonamiento3 . Representación del conocimiento y razonamiento
3 . Representación del conocimiento y razonamiento
 
Representación del Conocimiento
Representación del ConocimientoRepresentación del Conocimiento
Representación del Conocimiento
 
Representacion de Conocimiento en I.A
Representacion de Conocimiento en I.ARepresentacion de Conocimiento en I.A
Representacion de Conocimiento en I.A
 
Sistemas basados en conocimiento
Sistemas basados en conocimientoSistemas basados en conocimiento
Sistemas basados en conocimiento
 
Aprendizaje Automatizado
Aprendizaje AutomatizadoAprendizaje Automatizado
Aprendizaje Automatizado
 
020 algoritmos2
020 algoritmos2020 algoritmos2
020 algoritmos2
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
 
Trabajo definitivo rafael gutierrez
Trabajo definitivo rafael gutierrezTrabajo definitivo rafael gutierrez
Trabajo definitivo rafael gutierrez
 
Sistema basado en el comocimiento
Sistema basado en el comocimientoSistema basado en el comocimiento
Sistema basado en el comocimiento
 
Inteligencia Artificial Vannesa Anama
Inteligencia Artificial Vannesa AnamaInteligencia Artificial Vannesa Anama
Inteligencia Artificial Vannesa Anama
 
Representacion del conocimiento
Representacion del conocimientoRepresentacion del conocimiento
Representacion del conocimiento
 
Representacion del Conocimiento Inteligencia Artificial
Representacion del Conocimiento Inteligencia ArtificialRepresentacion del Conocimiento Inteligencia Artificial
Representacion del Conocimiento Inteligencia Artificial
 
Inteigencia artificial raudin
Inteigencia artificial raudinInteigencia artificial raudin
Inteigencia artificial raudin
 

Similar a Estadística bayesiana, inteligencia artificial y las cadenas de Márkov

Redes bayesianas
Redes bayesianasRedes bayesianas
Redes bayesianas
Rossy Faican Cango
 
Ensayo probabilidad
Ensayo probabilidadEnsayo probabilidad
Ensayo probabilidad
maykeljunior
 
Tarea 1, 2 y 3 metodos 2
Tarea 1, 2 y 3 metodos 2Tarea 1, 2 y 3 metodos 2
Tarea 1, 2 y 3 metodos 2
Jose Ricardo Aranda Martinez
 
Mapa.conceptual.4
Mapa.conceptual.4Mapa.conceptual.4
Mapa.conceptual.4
Merlyna Sanchez Juarez
 
Trabajo
TrabajoTrabajo
Trabajo
anamar perez
 
Final
FinalFinal
Ensayo rivera juan
Ensayo   rivera juanEnsayo   rivera juan
Ensayo rivera juan
Juan Carlos Rivera
 
Estadistica i adriana
Estadistica i   adrianaEstadistica i   adriana
Estadistica i adriana
Adriana Sutherland
 
Estructura del análisis
Estructura del análisis Estructura del análisis
Estructura del análisis
RicardoMejia62
 
3.5 Semántica de las reglas de producción.pptx
3.5 Semántica de las reglas de producción.pptx3.5 Semántica de las reglas de producción.pptx
3.5 Semántica de las reglas de producción.pptx
Ram Vazquez
 
TéCnicas
TéCnicasTéCnicas
TéCnicas
shellyvanesa
 
La estadística aplicada en la elaboración de una tesis aplicando el método co...
La estadística aplicada en la elaboración de una tesis aplicando el método co...La estadística aplicada en la elaboración de una tesis aplicando el método co...
La estadística aplicada en la elaboración de una tesis aplicando el método co...
Juan F.Guevara
 
La estadística aplicada en la elaboración de una tesis aplicando el método co...
La estadística aplicada en la elaboración de una tesis aplicando el método co...La estadística aplicada en la elaboración de una tesis aplicando el método co...
La estadística aplicada en la elaboración de una tesis aplicando el método co...
juanchojuancho
 
0 semillero investigacion
0 semillero investigacion0 semillero investigacion
0 semillero investigacion
idea
 
Exposicion maria
Exposicion mariaExposicion maria
Exposicion maria
gabrielanataly
 
Teoria de la Probabilidad
Teoria de la ProbabilidadTeoria de la Probabilidad
Teoria de la Probabilidad
analispacheco
 
Exposicion estadistica. prograna spss
Exposicion estadistica. prograna spssExposicion estadistica. prograna spss
Exposicion estadistica. prograna spss
gabrielanataly
 
Trabajo de informatica
Trabajo de informaticaTrabajo de informatica
Trabajo de informatica
Patty1Enriquez98
 
Hijos superdotados
Hijos   superdotadosHijos   superdotados
Hijos superdotados
Luis Vicente
 
Aspectos teóricos e instrumentales en la identificación del alumnado superdot...
Aspectos teóricos e instrumentales en la identificación del alumnado superdot...Aspectos teóricos e instrumentales en la identificación del alumnado superdot...
Aspectos teóricos e instrumentales en la identificación del alumnado superdot...
Equipo de Orientación Colegio Marista Liceo Castilla
 

Similar a Estadística bayesiana, inteligencia artificial y las cadenas de Márkov (20)

Redes bayesianas
Redes bayesianasRedes bayesianas
Redes bayesianas
 
Ensayo probabilidad
Ensayo probabilidadEnsayo probabilidad
Ensayo probabilidad
 
Tarea 1, 2 y 3 metodos 2
Tarea 1, 2 y 3 metodos 2Tarea 1, 2 y 3 metodos 2
Tarea 1, 2 y 3 metodos 2
 
Mapa.conceptual.4
Mapa.conceptual.4Mapa.conceptual.4
Mapa.conceptual.4
 
Trabajo
TrabajoTrabajo
Trabajo
 
Final
FinalFinal
Final
 
Ensayo rivera juan
Ensayo   rivera juanEnsayo   rivera juan
Ensayo rivera juan
 
Estadistica i adriana
Estadistica i   adrianaEstadistica i   adriana
Estadistica i adriana
 
Estructura del análisis
Estructura del análisis Estructura del análisis
Estructura del análisis
 
3.5 Semántica de las reglas de producción.pptx
3.5 Semántica de las reglas de producción.pptx3.5 Semántica de las reglas de producción.pptx
3.5 Semántica de las reglas de producción.pptx
 
TéCnicas
TéCnicasTéCnicas
TéCnicas
 
La estadística aplicada en la elaboración de una tesis aplicando el método co...
La estadística aplicada en la elaboración de una tesis aplicando el método co...La estadística aplicada en la elaboración de una tesis aplicando el método co...
La estadística aplicada en la elaboración de una tesis aplicando el método co...
 
La estadística aplicada en la elaboración de una tesis aplicando el método co...
La estadística aplicada en la elaboración de una tesis aplicando el método co...La estadística aplicada en la elaboración de una tesis aplicando el método co...
La estadística aplicada en la elaboración de una tesis aplicando el método co...
 
0 semillero investigacion
0 semillero investigacion0 semillero investigacion
0 semillero investigacion
 
Exposicion maria
Exposicion mariaExposicion maria
Exposicion maria
 
Teoria de la Probabilidad
Teoria de la ProbabilidadTeoria de la Probabilidad
Teoria de la Probabilidad
 
Exposicion estadistica. prograna spss
Exposicion estadistica. prograna spssExposicion estadistica. prograna spss
Exposicion estadistica. prograna spss
 
Trabajo de informatica
Trabajo de informaticaTrabajo de informatica
Trabajo de informatica
 
Hijos superdotados
Hijos   superdotadosHijos   superdotados
Hijos superdotados
 
Aspectos teóricos e instrumentales en la identificación del alumnado superdot...
Aspectos teóricos e instrumentales en la identificación del alumnado superdot...Aspectos teóricos e instrumentales en la identificación del alumnado superdot...
Aspectos teóricos e instrumentales en la identificación del alumnado superdot...
 

Último

Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...
Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...
Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...
defola5717
 
Plan Emergencia solicitado en obras de construccion
Plan Emergencia  solicitado en obras de construccionPlan Emergencia  solicitado en obras de construccion
Plan Emergencia solicitado en obras de construccion
christianllacchasand
 
Presentación simple corporativa degradado en violeta blanco.pptx
Presentación simple corporativa degradado en violeta blanco.pptxPresentación simple corporativa degradado en violeta blanco.pptx
Presentación simple corporativa degradado en violeta blanco.pptx
eleandroth
 
sistema paralingüística fhdjsjsbsnnssnnsbs
sistema paralingüística fhdjsjsbsnnssnnsbssistema paralingüística fhdjsjsbsnnssnnsbs
sistema paralingüística fhdjsjsbsnnssnnsbs
SantiagoMejia99
 
MI CECTOR POSTE BLANCO - Paián .pdf
MI  CECTOR  POSTE  BLANCO - Paián   .pdfMI  CECTOR  POSTE  BLANCO - Paián   .pdf
MI CECTOR POSTE BLANCO - Paián .pdf
GustavoTello19
 
resumen de manual de organizacion y funciones de TI
resumen de manual de organizacion y funciones de TIresumen de manual de organizacion y funciones de TI
resumen de manual de organizacion y funciones de TI
riveroarlett5b
 
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIOLINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
AaronPleitez
 
Sistema informatico, power point asir 1 curso
Sistema informatico, power point asir 1 cursoSistema informatico, power point asir 1 curso
Sistema informatico, power point asir 1 curso
NereaMolina10
 
04 capital interes simple.pdf de la clase métodos cuantitativos
04 capital interes simple.pdf de la clase métodos cuantitativos04 capital interes simple.pdf de la clase métodos cuantitativos
04 capital interes simple.pdf de la clase métodos cuantitativos
MarcoPolo545324
 
Minería de Datos e IA Conceptos, Fundamentos y Aplicaciones.pdf
Minería de Datos e IA  Conceptos, Fundamentos y Aplicaciones.pdfMinería de Datos e IA  Conceptos, Fundamentos y Aplicaciones.pdf
Minería de Datos e IA Conceptos, Fundamentos y Aplicaciones.pdf
MedTechBiz
 
INTELIGENCIA ARTIFICIAL monografia02.pdf
INTELIGENCIA ARTIFICIAL monografia02.pdfINTELIGENCIA ARTIFICIAL monografia02.pdf
INTELIGENCIA ARTIFICIAL monografia02.pdf
YulEz1
 
Informe de violencia mayo 2024 - Multigremial Mayo.pdf
Informe de violencia mayo 2024 - Multigremial Mayo.pdfInforme de violencia mayo 2024 - Multigremial Mayo.pdf
Informe de violencia mayo 2024 - Multigremial Mayo.pdf
Emisor Digital
 
Encuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdf
Encuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdfEncuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdf
Encuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdf
DivergenteDespierto
 
10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf
IrapuatoCmovamos
 
Comunidades virtuales de aprendizaje o educativas E-LEARNING.pdf
Comunidades virtuales de aprendizaje  o educativas E-LEARNING.pdfComunidades virtuales de aprendizaje  o educativas E-LEARNING.pdf
Comunidades virtuales de aprendizaje o educativas E-LEARNING.pdf
brayansangar73
 
Plan de Compensación Dxn Internacional peru pdf
Plan de Compensación Dxn Internacional peru pdfPlan de Compensación Dxn Internacional peru pdf
Plan de Compensación Dxn Internacional peru pdf
agustincarranza11
 
vivienda segura concreto, construcción y métodos
vivienda segura concreto, construcción y métodosvivienda segura concreto, construcción y métodos
vivienda segura concreto, construcción y métodos
DilmerCarranza
 
e learning^.pptxdieguearmandozuñiga. Comhot
e learning^.pptxdieguearmandozuñiga. Comhote learning^.pptxdieguearmandozuñiga. Comhot
e learning^.pptxdieguearmandozuñiga. Comhot
diegozuniga768
 

Último (18)

Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...
Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...
Obligaciones_de_los_Municipios_y_Departamentos_en_los_Determinantes_Ambiental...
 
Plan Emergencia solicitado en obras de construccion
Plan Emergencia  solicitado en obras de construccionPlan Emergencia  solicitado en obras de construccion
Plan Emergencia solicitado en obras de construccion
 
Presentación simple corporativa degradado en violeta blanco.pptx
Presentación simple corporativa degradado en violeta blanco.pptxPresentación simple corporativa degradado en violeta blanco.pptx
Presentación simple corporativa degradado en violeta blanco.pptx
 
sistema paralingüística fhdjsjsbsnnssnnsbs
sistema paralingüística fhdjsjsbsnnssnnsbssistema paralingüística fhdjsjsbsnnssnnsbs
sistema paralingüística fhdjsjsbsnnssnnsbs
 
MI CECTOR POSTE BLANCO - Paián .pdf
MI  CECTOR  POSTE  BLANCO - Paián   .pdfMI  CECTOR  POSTE  BLANCO - Paián   .pdf
MI CECTOR POSTE BLANCO - Paián .pdf
 
resumen de manual de organizacion y funciones de TI
resumen de manual de organizacion y funciones de TIresumen de manual de organizacion y funciones de TI
resumen de manual de organizacion y funciones de TI
 
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIOLINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
LINEA DE TIEMPO Y PERIODO INTERTESTAMENTARIO
 
Sistema informatico, power point asir 1 curso
Sistema informatico, power point asir 1 cursoSistema informatico, power point asir 1 curso
Sistema informatico, power point asir 1 curso
 
04 capital interes simple.pdf de la clase métodos cuantitativos
04 capital interes simple.pdf de la clase métodos cuantitativos04 capital interes simple.pdf de la clase métodos cuantitativos
04 capital interes simple.pdf de la clase métodos cuantitativos
 
Minería de Datos e IA Conceptos, Fundamentos y Aplicaciones.pdf
Minería de Datos e IA  Conceptos, Fundamentos y Aplicaciones.pdfMinería de Datos e IA  Conceptos, Fundamentos y Aplicaciones.pdf
Minería de Datos e IA Conceptos, Fundamentos y Aplicaciones.pdf
 
INTELIGENCIA ARTIFICIAL monografia02.pdf
INTELIGENCIA ARTIFICIAL monografia02.pdfINTELIGENCIA ARTIFICIAL monografia02.pdf
INTELIGENCIA ARTIFICIAL monografia02.pdf
 
Informe de violencia mayo 2024 - Multigremial Mayo.pdf
Informe de violencia mayo 2024 - Multigremial Mayo.pdfInforme de violencia mayo 2024 - Multigremial Mayo.pdf
Informe de violencia mayo 2024 - Multigremial Mayo.pdf
 
Encuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdf
Encuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdfEncuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdf
Encuesta CATI Verdad Venezuela abril 2024 (PÚBLICO).pdf
 
10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf10 colonias - Análisis socio-demográfico 2024.pdf
10 colonias - Análisis socio-demográfico 2024.pdf
 
Comunidades virtuales de aprendizaje o educativas E-LEARNING.pdf
Comunidades virtuales de aprendizaje  o educativas E-LEARNING.pdfComunidades virtuales de aprendizaje  o educativas E-LEARNING.pdf
Comunidades virtuales de aprendizaje o educativas E-LEARNING.pdf
 
Plan de Compensación Dxn Internacional peru pdf
Plan de Compensación Dxn Internacional peru pdfPlan de Compensación Dxn Internacional peru pdf
Plan de Compensación Dxn Internacional peru pdf
 
vivienda segura concreto, construcción y métodos
vivienda segura concreto, construcción y métodosvivienda segura concreto, construcción y métodos
vivienda segura concreto, construcción y métodos
 
e learning^.pptxdieguearmandozuñiga. Comhot
e learning^.pptxdieguearmandozuñiga. Comhote learning^.pptxdieguearmandozuñiga. Comhot
e learning^.pptxdieguearmandozuñiga. Comhot
 

Estadística bayesiana, inteligencia artificial y las cadenas de Márkov

  • 1. ESTADÍSTICA BAYESIANA, INTELIGENCIA ARTIFICIAL Y LAS CADENAS DE MÁRKOV Elaborado por: María José Varela Dentro de las aplicaciones de la teoría de la probabilidad es válido enunciar el Teorema de Bayes como expresión de probabilidad condicional que demuestra los beneficios obtenidos en las estimaciones basadas en conocimientos intrínsecos. La metodología bayesiana especifica un modelo de probabilidad que contiene algún tipo conocimiento previo acerca de una investigación, de este modo se acondiciona al modelo de probabilidad para realizar el ajuste de los supuestos. Por otro lado, la importancia de la inteligencia artificial radica en que busca mejorar, aprender, entender y razonar situaciones complejas, además busca aplicar conocimientos del ser humano y las maneras diferentes que se actúa, ante una posible situación. La metodología y terminología de la IA está todavía en vías de desarrollo. La IA se está dividiendo y encontrando otros campos relacionados: lógica, redes neuronales, programación orientada a objetos, lenguajes formales, robótica, entre otros. Finalmente, otro tema que se abordará de suma importancia, son las cadenas de Márkov, ​que hacen referencia a una herramienta para analizar el comportamiento de determinados tipos de procesos que evolucionan de forma no determinística a lo largo del tiempo en torno a un conjunto de estados. Una cadena de Márkov, por tanto, representa un sistema que varía un estado a lo largo del tiempo, siendo cada cambio una transición del sistema. La Estadística bayesiana es un subconjunto del campo de la estadística en la que la evidencia sobre el verdadero estado del mundo, se expresa en términos de grados de creencia o, más específicamente, las probabilidades bayesianas. La diferencia fundamental entre la estadística clásica (frecuentista) y la bayesiana es el concepto de probabilidad. Para la estadística clásica es un concepto objetivo, que se encuentra en la naturaleza, mientras que para la estadística bayesiana se encuentra en el observador, siendo así un concepto subjetivo (Es simplemente una medida de la incertidumbre, asociada a un evento, asignada por un decisor. En otras palabras, es un juicio personal sobre la verosimilitud de que ocurra un resultado). La inferencia bayesiana es un tipo de inferencia estadística en la que las evidencias u observaciones se emplean para actualizar o inferir la probabilidad de que una hipótesis pueda ser cierta. El nombre “bayesiana” proviene del uso frecuente que se hace del teorema de Bayes durante el proceso de inferencia. El teorema de Bayes se ha derivado del trabajo realizado por el matemático
  • 2. Thomas Bayes. Hoy en día, uno de los campos de aplicación es en la teoría de la decisión, visión artificial (simulación de la percepción en general) y el reconocimiento de patrones por ordenador. La metodología bayesiana consta de tres pasos fundamentales: 1. Especificar un modelo de probabilidad que incluya algún tipo de conocimiento previo (a priori) sobre los parámetros del modelo dado. 2. Actualizar el conocimiento sobre los parámetros desconocidos condicionando este modelo de probabilidad a los datos observados. 3. Evaluar el ajuste del modelo a los datos y la sensibilidad de las conclusiones a cambios en los supuestos del modelo. Al admitir un manejo subjetivo de la probabilidad, el analista bayesiano podrá emitir juicios de probabilidad sobre una hipótesis H y expresar por esa vía su grado de convicción al respecto, tanto antes como después de haber observado los datos. En su versión más elemental y en este contexto, el teorema de Bayes asume la forma siguiente: 𝑃​(​ 𝐴 𝑖​ |​ 𝐵​) = ​ 𝑃​(​ 𝐵​|​ 𝐴 𝑖​ )​ 𝑃​(​ 𝐴 𝑖​) 𝑃​(​ 𝐵​) Donde: · (​ 𝐴​) ​son las probabilidades a priori​. · (​ 𝐵​|​ 𝐴​) ​es la probabilidad de ​ 𝐵​ en la hipótesis ​ 𝐴​ . · (​ 𝐴 𝑖​ |​ 𝐵​) ​son las probabilidades a posteriori. Por otro lado, La inteligencia artificial es considerada una rama de la computación y relaciona un fenómeno natural con una analogía artificial a través de programas de computador. La inteligencia artificial puede ser tomada como ciencia si se enfoca hacia la elaboración de programas basados en comparaciones con la eficiencia del hombre, contribuyendo a un mayor entendimiento del conocimiento humano. Si por otro lado es tomada como ingeniería, basada en una relación deseable de entrada-salida para sintetizar un programa de computador. "El resultado es un programa de alta eficiencia que funciona como una poderosa herramienta para quien la utiliza." A través de la inteligencia artificial se han desarrollado los sistemas expertos que pueden imitar la capacidad mental del hombre y relacionan reglas de sintaxis del lenguaje hablado y escrito sobre la base de la experiencia, para
  • 3. luego hacer juicios acerca de un problema, cuya solución se logra con mejores juicios y más rápidamente que el ser humano. No obstante, una cadena de Márkov es una serie de eventos, en la cual la probabilidad de que ocurra un evento depende del evento inmediato anterior. En efecto, las cadenas de este tipo tienen memoria, "Recuerdan" el último evento y esto condiciona las posibilidades de los eventos futuros. Esta dependencia del evento anterior distingue a las cadenas de Márkov de las series de eventos independientes, como tirar una moneda al aire o un dado. En los negocios, las cadenas de Márkov se han utilizado para analizar los patrones de compra, los deudores morosos, para planear las necesidades de personal y para analizar el reemplazo de equipo. Permite encontrar la probabilidad de que un sistema se encuentre en un estado en particular en un momento dado. Algo más importante aún, es que permite encontrar el promedio a la larga o las probabilidades de estado estable, para cada estado. Con esta información se puede predecir el comportamiento del sistema a través del tiempo. La tarea más difícil es reconocer cuándo puede aplicarse. La característica más importante que hay que buscar en la memoria de un evento a otro.