EL PAPEL DE LAS REDES BAYESIANAS EN LA TOMA DE DECISIONES

Miller Rivera Lozano

miller.rivera@urosario.edu.co
Las redes bayesianas organizan un caso problema mediante un conjunto de
variables y las relaciones de dependencia entre ellas. Dado este modelo, se
puede hacer inferencia bayesiana; es decir, estimar la probabilidad posterior de
las variables no conocidas, en base a las variables conocidas. Estos modelos
bayesianos poseen diferentes aplicaciones para diagnstico, clasificacin y
decisin que brinde informacin importante en cuanto a cmo se relacionan las
variables, las cuales pueden ser interpretadas como relaciones de causa
efecto. Las redes bayesianas son elaboradas basndose en un conocimiento
experto desarrollando diversas tcnicas para aprender a partir de ciertos datos
que estructuran parmetros asociados al modelo, siendo posibles compartir
conocimientos obtenidos de los datos del caso de estudio. A continuacin se
realiza un breve estudio de la importancia de las redes bayesianas dentro del
esquema financiero para la toma de decisiones y la estructura que se debe
tener presente a la hora de realizar un mtodo bayesiano que ayude controlar
diferentes factores dentro del marketing. Las redes bayesianas son centro de
investigacin para el que existen diferentes propuestas de algoritmos, tanto
para la realizacin de inferencias como para su uso en el aprendizaje. Existen
distintas aplicaciones de inters para las redes bayesianas: sistematizacin,
diagnostico, prediccin y clasificacin entre otras. Una caracterstica de las
redes bayesianas es que permiten aprender sobre relaciones de dependencia y
causalidad, permitiendo combinar conocimiento con datos.
1. Definicin de red bayesiana Una Red Bayesiana es un modelo
probabilstico que relaciona un conjunto de variables aleatorias mediante un
grafo dirigido, son redes graficas sin ciclos en el que se representan variables
aleatorias y las relaciones de probabilidad que existan entre ellas que permiten
conseguir soluciones a problemas de decisin en casos de incertidumbre. Una
red

bayesiana

es una

representacin

ilustrada

de

dependencias

para

razonamiento probabilstico, en la cual los nodos representan variables

aleatorias y los arcos simbolizan relaciones de dependencia directa entre las
variables.

Un

ejemplo

muy

simple

puede

ayudarnos

describir

el

funcionamiento de una red bayesiana. Consideremos simplemente una variable

aleatoria Z dependiente de otras dos (factores F1 y F2).

Una red Bayesiana es una herramienta informtica a la que puede crearse

diferentes modelos dependiendo del caso de estudio segn la concepcin que
tenga el diseador y de las condiciones del comportamiento de las variables.
En esta herramienta sobresale debido a que no solo permite un proceso hacia
atrs (backward), por ejemplo como una operacin financiera que ha sido
realizada en trminos de riesgos operacionales; sino tambin hacia adelante
(forward) donde la red puede calcular las probabilidades de prdida o de
beneficio usando la regla de Bayes. La estructura del modelo bayesiano
permite capturar las relaciones de dependencia que existe entre los atributos
de los datos que se estudien, describiendo la distribucin de probabilidad que
administra

un

conjunto

de

variables

especificando

los

clculos

de

independencia condicional junto con probabilidades condicionales. As, las

redes permiten especificar relaciones de independencia entre conjuntos de
variables, lo que las convierte en una solucin de independencia.
1.1 Inferencia bayesiana La incertidumbre es natural en el proceso de
razonamiento donde se pueden establecer reglas para inferir de manera
deductiva una proposicin determinada que puede ser verdadera o falsa,
segn sea el lmite de esta estimacin. Dentro de los mtodos de razonamiento
se encuentran los Modelos Bayesianos, que simulan diferentes condiciones de
incertidumbre cuando no se conoce si es verdadera o falsa la hiptesis
enunciada en un rango de variacin. Todos los modelos bayesianos tienen en
comn la asignacin de la probabilidad como medida de creencia de una
hiptesis, as es que, la inferencia es un proceso de reajuste de medidas de
creencia al conocerse nuevos axiomas. Cuando se utilizan evidencias y
observaciones para establecer que una suposicin sea cierta, es lo que se
denomina como Inferencia Bayesiana. La inferencia bayesiana observa la
evidencia y calcula un valor estimado segn el grado de creencia planteado en
la hiptesis. Esto implica que al tener mayor cantidad de datos disponibles se
podr obtener resultados ms satisfactorios. La ventaja fundamental del uso de
la inferencia bayesiana radica en la utilidad que se le da para la toma de
decisiones, actualmente su uso es frecuente por que se obtienen resultados

ms acertados en el contexto de parmetros desconocidos. Debido a que la

inferencia bayesiana est fundada en un mtodo basado en datos histricos,
puede captar las situaciones en que la dinmica del mercado muestre una
firme estrategia de cambios importantes, lo cual proporciona un buen indicador
de las condiciones futuras del mercado. Aplicando la inferencia Bayesiana es
posible identificar distintos tipos de patrones de transicin como estados de
ganancias discretas en un gran conjunto de datos administrativos. Adems, se
puede investigar acerca de los efectos y las condiciones del mercado por
medio de la estimacin de un modelo probabilstico. Tambin se puede estudiar
y analizar las deficiencias futuras de las actividades operacionales de una
empresa, con la aplicacin del mtodo de inferencia bayesiana, el cual no
deber basarse slo en datos histricos, sino que se debe incluir el anlisis de
los diferentes escenarios para poder predecir un comportamiento futuro y la
gravedad del riesgo; esto con el fin de mejorar las polticas de gestin de
riesgos
La Inferencia bayesiana es una tcnica estadstica adecuada para reunir las
opiniones de expertos en el anlisis de datos. Actualmente existe una amplia
literatura que envuelve toda la teora de la inferencia bayesiana y sus
aplicaciones para el marco financiero y de negocios. El mecanismo de
inferencia

sobre

redes

bayesianas

permite

utilizarlas

para

construir

clasificadores. Para que esto se debe crear una red bayesiana en la que las
variables se interrelacionen en el grafo. La clase pertenecer a la variable
desconocida, objetivo de la inferencia. Proporcionada una instancia cualquiera
para la que se conozcan todos sus atributos, la clasificacin se verificar
infiriendo sobre el grafo la probabilidad posterior de cada uno de los valores de
la clase, y eligiendo aqul valor que maximice dicha probabilidad.
La utilizacin de las redes bayesianas ha sido muy difundida en diferentes
campos como en la manipulacin de sistemas expertos en la medicina, en la
depuracin de programas de inteligencia artificial, en la gentica, en procesos
de produccin; todos estos enfocados a la solucin de problemas y en la
identificacin de probabilidades que disminuyan riesgo, como es el uso
primordial que se le da en la rama financiera. El uso que se le da a la redes
bayesiana en el estudio y tratamiento de datos, consiste bsicamente con
mejorar el esquema de prevencin de riesgo operacional; tal que sirva como

sistema de ayuda a la toma de decisiones en una situacin de emergencia y

realizar mejoras en las estrategias de operacionales. Las redes bayesianas
como herramienta de gestin de riesgo son de suma importancia para el
gremio financiero debido a sus grandes aportes en la definicin de condiciones
probabilsticas de inferencia, con un amplio manejo de variables. Las redes
bayesianas son utilizadas para representar el conocimiento en mtodos de
razonamiento, explotacin de informacin, anlisis de los deudores del sistema
financiero y prediccin de ventas; basados en la teora de la probabilidad, tal
que se pueda predecir el valor de las variables no observadas y explicar los
resultados arrojados de las variables observadas. El uso de las redes
bayesianas permiten aprender sobre relaciones de dependencia y combinar
conocimiento con nuevos datos.
EL mejor tratamiento que se le ha podido dar al manejo de la incertidumbre es
la probabilidad y dentro de la inteligencia artificial es notable el uso del mtodo
bayesiano

como

herramienta

principal

para

la

definicin

de

hiptesis

resultantes del manejo de inferencias dentro del marco del manejo de

informacin probabilstica. La extensin de las redes bayesianas son de gran
utilidad por que utiliza nodos de decisin y nodos de utilidad; los cuales
permiten resolver problemas de toma de decisiones. Para gestionarla de forma
adecuada es necesario procesar y descifrar grandes cantidades de datos, tal
que sea posible extraer el conocimiento necesario para una adecuada toma de
decisiones. En la actualidad hay proyectos que permiten medir el grado de
incertidumbre de las relaciones de dependencia de entre las variables, un
ejemplo que se puede consultar para este caso es la red bayesiana para la
concesin de crditos bancarios capaz de aprender a partir de las fuentes de
datos sobre prstamos bancarios. La toma de decisiones es tratada como un
proceso de optimizacin en donde se recomienda la mejor alternativa que
optimice la utilidad esperada, dadas las observaciones de los factores externos
y preferencias que haga la toma de decisiones. En el proceso de construccin
de una red bayesiana para la toma de decisiones, es importante definir el
problema teniendo claras todas las caractersticas del conflicto, tal que,
posteriormente sea posible recolectar los datos que sern las variables
fundamentales en el desarrollo del proyecto y se plantee un modelo del cual
sea viable obtener la mejor solucin que se acople a las necesidades del

proyecto.

La

redes

bayesianas

representan

la

incertidumbre

con

probabilidades, ofreciendo una idea de qu tan fuertemente puede ocurrir un

evento, usando la comparacin como medio de informacin sobre posibles
consecuencias de una situacin. La capacidad del proceso creacin de las
redes bayesianas apunta su aplicacin a tcticas de toma de decisiones
estratgicas. Utilizando la estructura bayesiana para la optimizacin de
problemas, los expertos trabajan como un grupo de toma de decisiones
ofreciendo diferentes opiniones sobre la misma situacin; esto permite tener
diferentes soluciones para que permita identificar variables y las relaciones
entre ellas en el modelo y la cuantificacin de los grficos con probabilidades
numricas. Debido a las limitaciones de probabilidad para la inferencia de una
red bayesiana, usualmente no es posible evitar contradicciones entre las
diferentes soluciones de los expertos en la toma de decisiones en grupo; ya
que se necesita identificar un conjunto de alternativas en el que grupo de
expertos tienen opiniones que consideran el problema segn el orden de
preferencias.