Documente Academic
Documente Profesional
Documente Cultură
COMPUTACIONALES
Razonamiento
probabilístico y
teorema de Bayes.
Del Ángel Lara Gustavo 14070746
Inteligencia Artificial
El teorema puede servir entonces para indicar cómo debemos modificar nuestras
probabilidades subjetivas cuando recibimos información adicional de un experimento. La
estadística bayesiana está demostrando su utilidad en ciertas estimaciones basadas en el
conocimiento subjetivo a priori y el hecho de permitir revisar esas estimaciones en función
de la evidencia empírica es lo que está abriendo nuevas formas de hacer conocimiento.
Una aplicación de esto son los clasificadores bayesianos que son frecuentemente usados en
implementaciones de filtros de correo basura o spam, que se adaptan con el uso. Otra
aplicación se encuentra en la fusión de datos, combinando información expresada en
términos de densidad de probabilidad proveniente de distintos sensores.
C) Ejemplo
Distribución - Evento1
E1 fr E2 fr E3 fr
77.000 35% 44.000 20% 99.000 45%
La estadística muestra además que el 25% que ocupa la línea E1 son hombres, el 15% de los
hombres la línea E2 y el 60% de las mujeres viaja en las otras líneas de transporte.
Es claro que se definen tres carriles en el Diagrama 5 de árbol, E1, E2 y E3. Donde cada uno
de ellos cuenta con dos ramas binarias de género. Por tanto los eventos son: Pasajeros que
pueden utilizar una de las tres líneas y desde ahí, el evento que el Pasajero pueda ser hombre.
Experimento 3
http://www.docirs.cl/entender_teorema_de_bayes_simple.asp
http://www.ma.uva.es/~antonio/Industriales/Apuntes_10-11/EstaE/10_Tema-03.pdf
https://www.sangakoo.com/es/temas/teorema-de-bayes