Documente Academic
Documente Profesional
Documente Cultură
Índice general I
1. Teorı́a de la Probabilidad 1
1.1. Medida de Probabilidad . . . . . . . . . . . . . . . . . . . . . 1
1.2. Asignación de Probabilidades . . . . . . . . . . . . . . . . . . 2
1.2.1. Conteo: Conceptos Fundamentales de Combinatoria . . 4
1.3. Probabilidad Condicional . . . . . . . . . . . . . . . . . . . . . 6
1.3.1. Dependencia e Independencia . . . . . . . . . . . . . . 6
1.4. Teorema de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5. Redes Probabilı́sticas . . . . . . . . . . . . . . . . . . . . . . . 10
1.5.1. Sistemas Inteligentes . . . . . . . . . . . . . . . . . . . 11
1.5.2. Sistemas Inteligentes Probabilı́sticos . . . . . . . . . . . 12
1.5.3. Redes Bayesianas . . . . . . . . . . . . . . . . . . . . . 15
1.5.4. Razonamiento Probabilı́stico. Inferencia . . . . . . . . 16
1.6. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
i
CAPÍTULO 1
Teorı́a de la Probabilidad
1
2 1. TEORÍA DE LA PROBABILIDAD
que al jugar a los dados, los seis nmeros tienen la misma probabilidad de ocu-
rrir, si los dados no están trucados. Esta idea se corresponde con el enfoque
clásico de la asignación de probabilidades, que se remonta al nacimiento de
esta disciplina (Bernoulli, Laplace), y se basa en el principio de indiferencia:
todos los sucesos elementales del espacio muestral son equiprobables (por
ejemplo, en el caso de un dado no trucado). En este caso, la probabilidad
de un suceso dado se puede obtener como el cociente del número de casos
favorables a dicho suceso entre el número de casos posibles.
En la práctica, la probabilidad asociada a un suceso cualquiera de un
experimento se puede asignar repitiendo el experimento un número suficiente
de veces y observando las frecuencias relativas de dicho suceso. Por ejemplo, si
se quiere asignar una probabilidad a los suscesos elementales del lanzamiento
de un dado, se puede repetir el experimento un número elevado de veces y
observar las frecuencias de aparición del 1, 2, 3, 4, 5 y 6; en este caso, si
alguna de las frecuencias se separa mucho del valor 1/6 se puede concluir que
es un dado trucado. Ello lleva a definir la probabilidad de un suceso A como
el lı́mite asintótico de la frecuencia relativa de ocurrencia de dicho suceso en
la realización del experimento: p(A) = n→∞ lı́m fn (A), donde fn (A) representa
la frecuencia relativa del suceo A en n realizaciones del experimento. En
la práctica una aproximación del lı́mite asintótico se obtiene repitiendo el
experimento un número suficientemente elevado de veces, a partir del cual
fn (A) se estabiliza.
Por ejemplo, si queremos asignar una probabilidad a los distintos sucesos
meteorológicos que pueden producirse según la estación del año, la dirección
del viento y la ausencia o no de lluvia, podemos definir una medida de proba-
bilidad en base a las frecuencias observadas en un perı́odo amplio de tiempo
(por ejemplo, diez años):
INVIERNO PRIMAVERA VERANO OTOÑO
N=3650 Seco Lluvia Seco Lluvia Seco Lluvia Seco Lluvia
NE 190 99 287 166 360 162 177 89
SE 24 18 6 4 1 9 33 26
SW 98 223 18 119 15 71 94 248
NW 49 150 95 277 108 251 36 147
Una vez que se han hallado las probabilidades de los sucesos elementales,
se pueden aplicar las propiedades de la probabilidad descritas anteriormente
para calcular la probabilidad de sucesos compuestos como “que sea invierno
o llueva”, que “el viento no sople del NE”, o “que sea invierno y llueva”.
x Ps(x) s(x)
1 1 1/6 1
2 1/6 1
2 3 3 1/6 1
4 1/6 1
x 4 5 6 5 1/6 1
P(x)
6 1/6 1
1 1/6
2 1/6
Urna 1
3 1/6
4 1/6
5 1/6
2 x Ps(x) s(x)
6 1/6
Dado 1 1/9 1.5
2 1 4 2 3/9 0.5
3 1/9 1.5
2 3
4 2/9 0.75
4 5 6 5 1/9 1.5
6 1/9 1.5
Urna 2
Por otra parte, el número de conjuntos con elementos repetidos viene dado
por las combinaciones con repetición:
à !
n n (n + m − 1)!
CRm = = . (1.4)
m (n − 1)! m!
Ejemplo 1.3 Al lanzar una moneda 4 veces, ¿de cuántas formas se pueden
obtener 3 caras?. Y ¿dos caras y dos cruces?.
³ ´ ³ ´
De 4
3
=4y 4
2
= 6, respectivamente.
365! Vk365
p(k) = 1 − b = 1 − = 1 − .
365k (365 − k)! V Rk365
Por ejemplo, se puede observar que para que la probabilidad sea mayor de 0.5
es necesario un grupo de, al menos, 21 personas.
6 1. TEORÍA DE LA PROBABILIDAD
P (B ∩ A)
P (B/A) = = P (B) ⇔ P (A ∩ B) = P (A) P (B)
P (A)
y por tanto
P (A ∩ B) P (A) P (B)
P (A/B) = = = P (A)
P (B) P (B)
1.4. TEOREMA DE BAYES 7
Ahora:
→ P (lluvia) = 2059/3650 = 0.564.
→ P (lluvia|CC) = 490/(490 + 389) = 0.557
→ P (lluvia|LN ) = 544/(544 + 459) = 0.542
→ P (lluvia|CM ) = 519/(519 + 366) = 0.586
→ P (lluvia|LL) = 506/(506 + 377) = 0.573,
lo que indica que la lluvia y la fase lunar son independientes.
n
P n
P
= P (B ∩ Ai ) = P (B/Ai ) P (Ai )
i=1 i=1
Por ejemplo, la siguiente figura muestra (en su zona sombreada) los indi-
viduos que poseen una enfermedad (cáncer de estómago), denotado con g,
mientras que la zona blanca son los individuos libres de la enfermedad, ḡ
(estos dos sucesos son exhaustivos e incompatibles). A su vez, existen otros
sucesos (sı́ntomas) presentes en la población. El teorema de la probablidad
total dice que la probabilidad de un sı́ntoma (por ejemplo, dolor d) se puede
obtener como P (d) = P (d|g)P (g) + P (d|ḡ)P (ḡ).