8/8/2019 IA Unidad Final
1/77
8/8/2019 IA Unidad Final
2/77
ContenidoContenido
y Mapas conceptuales.
y Redes semnticas.
y Conocimiento montono.
y Lgica de predicados:Sintaxis, semntica,validez e inferencia.
y La demostracin y sus mtodos.
y Mtodo de resolucin de Robinson
y Conocimiento no-montono y otras lgicas.
y Razonamiento probabilstico.
y Teorema de Bayes.
8/8/2019 IA Unidad Final
3/77
2.1.2.1. M PM PPP
8/8/2019 IA Unidad Final
4/77
Mapas conceptualesMapas conceptuales
Los mapas conceptuales tienen su origen enlos trabajos que Novak y sus colaboradores de
la Universidad de Cornell.
Estos autores compartan la idea, de laimportancia de la actividad constructiva delalumno en el proceso de aprendizaje, yconsideran que los conceptos y las
proposiciones que forman los conceptos entre
s son elementos centrales en la estructura delconocimiento y en la construccin delsignificado.
8/8/2019 IA Unidad Final
5/77
Qu son los mapas conceptuales?Qu son los mapas conceptuales?
Son un medio para visualizar ideas o conceptos y las relaciones jerrquicas
entre los mismos.
Con la elaboracin de estos mapas se aprovecha la gran capacidad humana
para reconocer pautas en las imgenes visuales, con lo que se facilitan elaprendizaje y el recuerdo de lo aprendido.
8/8/2019 IA Unidad Final
6/77
Elementos de los mapas conceptualesElementos de los mapas conceptuales
Desde el punto de vista gramatical losconceptos se identifican como nombres,adjetivos y pronombres, los querepresentan hechos, objetos, ideas, etc.
EP
Se utilizan para unir los conceptos y paraindicar el tipo de relacin que seestablece entre ellos.
P B EENLACE
Dos o ms trminos conceptualesunidos por palabras para formar unaunidad semntica.
P P ICI NES
8/8/2019 IA Unidad Final
7/77
Utili ci l s s c c t l sUtili ci l s s c c t l s
Como medio didctico para organizarinformacin, sintetizarla y presentarla
grficamente.
Para apreciar el conjunto de informacin quecontiene un texto y las relaciones entre suscomponentes, lo que facilita su comprensin.
Para relatar oralmente o para redactar textosen los que se maneje lgica y ordenadamente
cierta informacin.
8/8/2019 IA Unidad Final
8/77
TcnicaTcnica de construccin de los mapas conceptualesde construccin de los mapas conceptuales
1 Leer cuidadosamente el texto y entenderlo claramente.
2
Localizar y subrayar las ideas o palabras ms importantes(palabras clave) con las que se construir el mapa; por lo general,son nombres o sustantivos.
3 Determinar la jerarquizacin de dichas ideas o palabras clave.
4 Establecer las relaciones entre ellas.
5 Utilizar correctamente la simbologa:
8/8/2019 IA Unidad Final
9/77
Simbologa de los mapas conceptualesSimbologa de los mapas conceptuales
Ideas o conceptos : Cada una se presentaescribindola encerrada en un valo o en
un rectngulo.
ConceptoIdea
Conectores: La conexin o relacin entredos ideas se representa por medio de una
lnea inclinada, vertical u horizontal
llamada conector o lnea ramal que uneambas ideas.
8/8/2019 IA Unidad Final
10/77
Flechas: se pueden utilizar en los conectores paramostrar que la relacin de significado entre las ideas
o conceptos unidos se expresa primordialmente enun solo sentido; tambin se usan para acentuar la
direccionalidad de las relaciones, cuando se consideraindispensable.
Descriptores: Es la palabra oconjunto de palabras que describen la
conexin; se escriben cerca de losconectores o sobre ellos. Estos
descriptores sirven para "etiquetar"las relaciones.
Animales
Vertebrados Invertebrados
pueden ser
8/8/2019 IA Unidad Final
11/77
2.2.2.2.EDES
EDES
SEMNTICASSEMNTICAS
8/8/2019 IA Unidad Final
12/77
Perspectiva de las redes semnticasPerspectiva de las redes semnticas
y Los responsables de los primeros esquemas derepresentacin formalizados fueron Quillian (1968) y Shapiro
& Woddmansee (1971).
y Los esquemas de redes semnticas tienen unafundamentacin psicolgica muy slida, por lo que se hanrealizado numerosos esfuerzos por llevar a cabo
implementaciones importantes basadas en ellas.
y Muchas disciplinas han desarrollado tcnicas de realizacinde diagramas que constituyen lenguajes formales visuales querepresentan el conocimiento operacional en forma
esquemtica.
8/8/2019 IA Unidad Final
13/77
8/8/2019 IA Unidad Final
14/77
Los elementos bsicos que encontramos en todos los
esquemas de redes son:
Estructuras de datos en nodos, querepresentan conceptos, unidas porarcos que representan las relaciones
entre los conceptos.
Un conjunto de procedimientos deinferencia que operan sobre las
estructuras de datos.
8/8/2019 IA Unidad Final
15/77
Partes de una red semnticaPartes de una red semntica
Es un concepto y se encierra en un crculo o elipse.
Nodos
Es una propiedad del concepto.
Relaciones
8/8/2019 IA Unidad Final
16/77
8/8/2019 IA Unidad Final
17/77
Diferencia entre mapa conceptual y red semnticaDiferencia entre mapa conceptual y red semntica
y Una diferencia importante es que los mapas conceptualestienen jerarqua grfica; es decir, los conceptos ms
abarcativos se explicitan en la parte superior del mismo y,descendiendo por el mapa, se encuentran los conceptos de
jerarqua intermedia y luego los menos abarcativos.
y La lectura de un mapa conceptual es, entonces, de arriba
hacia abajo.
y Las redes semnticas, en cambio, no requieren jerarqua
grfica vertical; por lo tanto, las conexiones entre nodos, envez de lneas, son flechas que orientan el sentido de la lectura
8/8/2019 IA Unidad Final
18/77
2.3.2.3.AZONA
MIEN
TO
AZONA
MIEN
TO
MONTONOMONTONO
8/8/2019 IA Unidad Final
19/77
Razonamiento montonoRazonamiento montono
y El razonamiento montono, es el que utilizacontradicciones para procesar. Elimina un hecho (factor deconocimiento) obteniendo la contradiccin hasta que llega
a una conclusin final.
8/8/2019 IA Unidad Final
20/77
Ejemplo:
Cuando se ve a una persona tirando basura en la calle y pensamos en lomal que se ve, la criticamos, pero cuando realizamos el mismo acto sin
pensar, caemos en una contradiccin y concluimos que somos igual a la
persona que estaba tirando basura en la calle.
8/8/2019 IA Unidad Final
21/77
El razonamiento montono es parte de la lgica clsicay abarca temas de la misma los cuales son:
x Lgica proposicional
x Deduccin lgicax Lgica de primer orden
8/8/2019 IA Unidad Final
22/77
Lgica proposicionalLgica proposicional
y La lgica proposicional es un sistema formal diseado para analizarciertos tipos de argumentos.
y En la lgica proposicional, las frmulas representan proposiciones
y las constantes lgicas son operaciones sobre las frmulas queproducen otras frmulas de mayor complejidad.
y Como otros sistemas lgicos, la lgica proposicional intentaesclarecer nuestra comprensin de la nocin de consecuencialgica para el rango de argumentos que analiza.
8/8/2019 IA Unidad Final
23/77
Deduccin lgicaDeduccin lgica
y La deduccin lgicaconsiste en que a partir de
unas premisas,representadas consmbolos, y a travs deunas reglas, obtenemosuna conclusin (deducimosla conclusin).
8/8/2019 IA Unidad Final
24/77
Lgica de primer ordenLgica de primer orden
Tambin llamada lgica de predicados o clculo depredicados, es un sistema formal diseado para estudiar
la inferencia en los lenguajes de primer orden.
La lgica de primer orden tiene el poder expresivosuficiente para definir a prcticamente todas lasmatemticas.
Una lgica de primer orden (LPO) consta de un lenguajeL y un concepto de inferencia C.
El lenguaje L se describe en sus dos dimensionesfundamentales:Sintaxis y Semntica.
Sintcticamente L consta de un alfabeto y de dos clasesde expresiones bien definidas a partir de los smbolos deeste alfabeto: trminos y frmulas.
8/8/2019 IA Unidad Final
25/77
2.4.LA
LG
ICA
DE
PED
ICADOS
2.4.LA
LG
ICA
DE
PED
ICADOS
SINTAXIS,SEMNTICA, ALIDEZE INFERENCIA.SINTAXIS,SEMNTICA, ALIDEZE INFERENCIA.
8/8/2019 IA Unidad Final
26/77
Lgica
Un sistema formal paradescribir lo que est
sucediendo en un momentodeterminado
La sintaxis del lenguaje, queexplica cmo construir
oraciones
La semntica del lenguaje,que especifica las restricciones
sistemticas sobre cmo serelacionan las oraciones conaquello que est sucediendo
La teora de la demostracin
Est formada por
8/8/2019 IA Unidad Final
27/77
Lgica
Lgicapropositiva
Lgica deprimerorden
Los smbolos representan proposicionescompletas (hechos). Los smbolos deproposiciones pueden combinarse usandolos conectivos booleanos para generar
oraciones de significado ms complejo.Una lgica como esta poco se preocupa
por la manera de representar las cosas,por ello no es sorprendente que no
ofrezca mucho como lenguaje derepresentacin.
Se preocupa por la representacin delos mundos en trminos de objetos ypredicados sobre objetos (es decir,propiedades de los objetos o
relaciones entre los objetos), as comodel uso de conectivos ycuantificadores, mediante los cualesse pueden escribir oraciones sobre
todo lo que pasa en el universo, a unmismo tiempo.
8/8/2019 IA Unidad Final
28/77
Lgica PropositivaLgica Propositiva
Sintaxis
8/8/2019 IA Unidad Final
29/77
SemnticaSemntica
y La semntica de la lgica propositiva tambin es bastante directa. Sedefine especificando la interpretacin de los signos de proposicin y delas constantes y especificando el significado de los conectores lgicos.
y Una manera de definir una funcin es construir una tabla mediante la
que se obtenga el valor de salida de todos los valores de entradaposibles.A este tipo de tablas se les conoce como tablas de verdad.
y Mediante las tablas de verdad se define la semntica de las oraciones.
P Q P PQ PQ PQ PQ Falso Falso Verdadero Falso Falso Verdadero Verdadero
Falso Verdadero Verdadero Falso Verdadero Falso Falso
Verdadero Falso Falso Falso Verdadero Falso Falso
Verdadero Verdadero Falso Verdadero Verdadero Verdadero Verdadero
8/8/2019 IA Unidad Final
30/77
Validez e inferenciaValidez e inferencia
y Las tablas de verdad sirven no solo para definir losconectores, sino tambin para probar la validez de lasoraciones.
y Por ejemplo:
((P
H)
H)
P
P H PH (PH)H) ((PH)H)P
Falso Falso Falso Falso Verdadero
Falso Verdadero Verdadero Falso Verdadero
Verdadero Falso Verdadero Verdadero Verdadero
Verdadero Verdadero Verdadero Falso Falso
8/8/2019 IA Unidad Final
31/77
Reglas de inferenciaReglas de inferencia
y Existen ciertos patrones de inferencias que se presentan una y otra vez, lo que
permite establecer de una vez por todas su confiabilidad. De esta manera seaprende el patrn respectivo en algo que se conoce como regla de inferencia.
8/8/2019 IA Unidad Final
32/77
8/8/2019 IA Unidad Final
33/77
Lgica de primer ordenLgica de primer orden(calculo de predicados)(calculo de predicados)
La lgica de primer orden considera que el mundo estconstituido por objetos, es decir, entes con identidadesindividuales y propiedades que los distinguen de otrosobjetos.
Entre estos objetos, existen diversos tipos de relaciones.Algunas de estas son las funciones: relaciones en que unaentrada corresponde un solo valor.
Objetos: gente, casas, nmeros, teoras, Ronald McDonald,colores, juegos de beisbol, guerras, siglos
Relaciones: hermano de, mayor que, dentro de, parte de, decolor, sucedi luego de, es el dueo de
Propiedades: rojo,redondo, de varios pisos, falso, lo mejor Funciones: padre de, mejor amigo de, tercer tiempo de, uno
ms que
8/8/2019 IA Unidad Final
34/77
y Los cuadros cercanos al wumpus apestan
Objetos: wumpus, cuadros.Relacin: cercana.Propiedades: apestosos.
y El malvado rey Juan gobern Inglaterra en1200
Objetos: Juan, Inglaterra, 1200.
Relacin: gobern.Propiedades: malvado, rey.
8/8/2019 IA Unidad Final
35/77
Sintaxis y SemnticaSintaxis y Semntica
Oracin Oracin atmica
Oracin Conector Oracin Cuantificador Variable, Oracin Oracin (Oracin)
Oracin atmica Predicado(trmino,) Trmino=Trmino
Trmino Funcin(Trmino,)
Constante Variable
Conector
Cuantificador
Constante A X1Juan
Variable a xs
Predicado Antes TieneColorLloviendo
Funcin Madre PiernaIzquierdaDe
8/8/2019 IA Unidad Final
36/77
Signos de constantes:A, B, C,Juan
Signos de predicados:Redondo, Hermano,
Signos de funciones:Coseno, PadreDe, PiernaIzquierdaDe
Trminos: PiernaIzquierdaDe(Juan)
Oraciones atmicas
y Hermano(Ricardo,Juan)
y Casado(PadreDe(Ricardo),MadreDe(Juan))
Oraciones complejas
y Hermano(Ricardo, Juan) Hermano(Juan, Ricardo)
y
Mayor(Juan, 30)
Menor(Juan, 30)y Mayor(Juan, 30) Menor(Juan, 30)
y Hermano(Robin,Juan)
8/8/2019 IA Unidad Final
37/77
Cuantificacin universal ()xGato(x)Mamfero(x)
y Gato(Mancha)Mamfero(Mancha)y Gato(Rebeca)Mamfero(Rebeca)
y Gato(Flix)Mamfero(Flix)
y Gato(Ricardo)Mamfero(Ricardo)
y Gato(Juan)Mamfero(Juan)
Cuantificador existencial ()xHermana(x, Mancha)Gato(x)
y (Hermana(Mancha, Mancha)Gato(Mancha))
y (Hermana(Rebeca, Mancha)Gato(Rebeca))
y (Hermana(Flix, Mancha)Gato(Flix))
y (Hermana(Ricardo, Mancha)Gato(Ricardo))
y (Hermana(Juan, Mancha)Gato(Juan))
8/8/2019 IA Unidad Final
38/77
2.5.2.5.LA
DE
MOSTRAC
IN
YLA
DE
MOSTRAC
IN
YSUS MTODOSSUS MTODOS
8/8/2019 IA Unidad Final
39/77
La demostracin y sus mtodosLa demostracin y sus mtodos
La demostracin es un razonamiento o serie derazonamiento que prueba la validez de un nuevo
conocimiento estableciendo sus conexiones necesarias
con otros conocimientos.
La demostracin consta de tres partes:
El conocimiento que se trata de demostrar, es decir la
proposicin (teorema) cuya validez se trata de probar. Los fundamentos empleados como base de la demostracin.
El procedimiento usado para lograr que el conocimientoquede demostrado.
8/8/2019 IA Unidad Final
40/77
Mtodo deductivoMtodo deductivoy Segn el sistema aristotlico, el mtodo deductivo es un proceso que parte
de un conocimiento general, y arriba a uno particular. La aplicacin del
mtodo deductivo nos lleva a un conocimiento con grado de certezaabsoluta, y esta cimentado en proposiciones llamadas SILOGISMOS.
He aqu un ejemplo:
Todos las venezolanas son bellas, (Este es el conocimiento general)
Marta Colomina es venezolana
Luego:
Marta Colomina es bella, (Este es el conocimiento particular)
8/8/2019 IA Unidad Final
41/77
Mtodo directoMtodo directoSi tomamos una frase lgica condicional sencilla del tipo:
P Q
Que podemos analizar como si se cumple P entonces se cumpleQ , esto lo hacemos de forma natural sin complicarnos en haceranlisis mas intensivos o mas extensivos pues lo hacemos de unaforma innata.
Si decimos: El cielo esta encapotado, va a llover estamosrealizando una asociacin de causa y efecto. En la cual el cielo estaencapotado es la causa y el efecto lgico es que,va a llover.
8/8/2019 IA Unidad Final
42/77
Sean:
p:Trabajo.
q:Ahorro.r: Comprar una casa.
s: Podr guardar el automvil en mi casa.
Analizar el siguiente argumento:
"Si trabajo y ahorro, entonces comprar una casa. Si compro unacasa, entonces podr guardar el coche en mi casa. Porconsiguiente, si no puedo guardar el coche en mi casa, entonces noahorro".
El enunciado anterior se puede representar como:p q r; y r s; entonces s' q'
8/8/2019 IA Unidad Final
43/77
Mtodo indirectoMtodo indirectoEjemplo
Sean a y b nmeros enteros positivos impares. Demostrar que ab es impar.
En este caso las bases de la demostracin (hiptesis) se encuentra en las nociones denmero impar, nmero par, la suma y la multiplicacin de nmeros enteros con sus
propiedades.
Si a es un nmero impar, entonces es de la forma 2k+1 y si b es un nmero impar,entonces es de la forma 2r+1, donde k y rpueden tomar los valores 0, 1, 2, 3,.... as:
a=2k+1..(1) b=2r+1..(2)
Supongamos contrariamente que ab no es impar, es decir que ab es par. Entonces, ab=2,para algn entero positivo s.
Luego el producto ab contiene el factor 2, lo que implica que a contiene el factor 2 o bcontiene el factor 2,o ambos,es decir a o b son pares en contradiccin con la hiptesis.
8/8/2019 IA Unidad Final
44/77
Mtodo de recursinMtodo de recursin(Induccin Matemtica)(Induccin Matemtica)
Demostrar que 22n - 1 es un mltiplo de 3 para todo entero positivo n.
Aplicando el procedimiento anteriormente descrito, tenemos:
Comprobamos para un caso inicial, Si n = 1, entonces:
22n - 1 = 2(2*1) - 1 = 22 - 1 = 4 - 1 = 3
y obviamente 3 es un mltiplo de 3.
Admitimos nuestra hiptesis inductiva, esto es, que 22n - 1 es un mltiplo de
3, entonces si n = k; tendramos:
22k- 1 es un mltiplo de 3, escrito de otra forma
22k1 = 3p para cualquier p entero positivo
8/8/2019 IA Unidad Final
45/77
Por ltimo, comprobamos que se cumple para el caso siguiente
El caso siguiente a n = k ser n = k + 1, en consecuencia:
22(k+1)1 = 22+2k- 1
= 4 * 22k- 1
= (3 + 1) * 22k- 1
= 3 *22k+ 22k- 1
= 3 * 22k+ (22k- 1)
= 3(22k+ p) esta expresin final, no es otra cosa que un nmero mltiplo de3.
As entonces, 2
2n
- 1 es un mltiplo de 3 para n = k + 1 si 2
2k
1 es mltiplode 3 para n = k. Por tanto, por el principio de induccin matemtica, 22n- 1 es un mltiplo de 3 para todo entero positivo n., con lo cual quedaentonces demostrado,el enunciado en cuestin.
8/8/2019 IA Unidad Final
46/77
2.6.EL MTODODE2.6.EL MTODODERESOLUCINDERESOLUCINDEROBINSON.ROBINSON.
8/8/2019 IA Unidad Final
47/77
Mtodo para decidir si una proposicin es vlida ono.
Introducido por Alan Robinson en 1965
Es simple de implementar
Es bastante popular en el mbito de demostracinautomtica de teoremas.
Se extiende a lgica de primer orden y otras lgicasno funcionales.
Tiene una nica regla de inferencia: la regla deresolucin.
Mtodo de resolucin de RobinsonMtodo de resolucin de Robinson
8/8/2019 IA Unidad Final
48/77
La idea del mtodo es mostrar la validez de una
proposicin estableciendo que la negacin de la
proposicin es insatisfactible por ello se dice que es un
mtodo de refutacin.
El mtodo de resolucin se basa en el hecho de que la
siguiente proposicin es una tautologa
(A _ P) ^ (B _ P) () (A _ P) ^ (B _ P) ^ (A _ B)
Mtodo de resolucin de RobinsonMtodo de resolucin de Robinson
8/8/2019 IA Unidad Final
49/77
Definicin
Dado un literal L, el opuesto de L (escrito L) se define como:
P si L = PP si L = P
Dadas dos clusulas C1, C2, una clusula C se dice resolventede C1 y C2 si, para algn literal L, L 2 C1, L 2 C2, y
C = (C1 {L}) [ (C2 {L})
8/8/2019 IA Unidad Final
50/77
{A1, . . . ,Am,Q}{B1, . . . ,Bn,Q}{A1, . . . ,Am,B1, . . . ,Bn}
Regla deResolucin
El mtodo de resolucin trata de construir unasecuencia de conjuntos de clusulas, obtenidas usando
pasos de resolucin hasta llegar a una refutacin.
8/8/2019 IA Unidad Final
51/77
2.7.CONOCIMIENTO2.7.CONOCIMIENTONONO--MONTONOMONTONO
YYOTRAS
LG
ICASO
TRAS
LG
ICAS
8/8/2019 IA Unidad Final
52/77
1 Forma de razonamiento que contrasta con el
razonamiento deductivo estndar.
2
Intuitivamente, la monotonicidad indica que el agregarnuevos conocimientos no se reduce el conjunto de lascosas conocidas.
3 Si entonces:
Donde A es una frmula cualquiera y y
son conjuntos de frmulas cualesquiera.
Conocimiento NoConocimiento No--MontonoMontono
8/8/2019 IA Unidad Final
53/77
Sistemas de razonamiento Montono y no Montono
Son utilizados para inferir conclusiones a partir de unainformacin dada.
Son representados por medio de programas lgicos.
Dentro del razonamiento no montono se encuentra lacompletitud de Clark.
8/8/2019 IA Unidad Final
54/77
Lgicas no montonas Campo del razonamiento no
montonoEnfoques
Lgica no montona modal
Lgica autoepistmica Lgicas de condicionales revocables
Sistemas basados en reglas
Enfoques
msimportantes
8/8/2019 IA Unidad Final
55/77
Otras Teoras
ArgumentacinRebatible
Teora de cambio decreencias
8/8/2019 IA Unidad Final
56/77
2.8.2.8.RAZONA
MIENTO
RAZONA
MIENTO
PROBABILSTICOPROBABILSTICO
8/8/2019 IA Unidad Final
57/77
El agente lgicoEl agente lgico
y Un agente lgico se puede considerarcomo una entidad que posee
conocimiento de su mundo, y que tambines capaz de razonar sobre las posibles
acciones que puede emprender para ellogro de sus objetivos, adems que tiene
la posibilidad de aceptar nuevas tareas.
Una de las limitaciones de la lgica de primerorden es que los agentes casi nunca tienen
acceso a toda la verdad acerca de su ambiente.
8/8/2019 IA Unidad Final
58/77
IncertidumbreIncertidumbre
y Se entiende por incertidu bre una
situacin en la cual no se conoce
co pleta ente la probabilidad de
que ocurra un deter inado evento.
Para que el agente realice lo correcto depender
tanto de la importancia relativa de las diversasmetas as como de la posibilidad y gradocorrespondiente en que esperamos que seanlogradas.
8/8/2019 IA Unidad Final
59/77
Manejo del conocimiento inciertoManejo del conocimiento incierto(Teora de la probabilidad)(Teora de la probabilidad)
Ejemplo
y Si nos interesara elaborar un sistema para diagnsticosodontolgicos recurriendo a la lgica pondramos reglascomo:
El problema es que esta regla est equivocada.
No todos los pacientes que tienen dolor de dientes, tambin tienen caries;algunos quiz tengan algn padecimiento de las encas, o muelas del juicio
afectadas. Esto provoca que tengamos una lista casi ilimitada de posiblescausas.
8/8/2019 IA Unidad Final
60/77
Teora de la probabilidadTeora de la probabilidad
y En el caso anterior la relacin entre dolor de dientes y caries no implicauna consecuencia lgica en ambos sentidos. En estos casos lo que el agentepuede ofrecer es solo un grado de creencia en las oracionescorrespondientes.
La herramienta para manejar los gradosde creencia es la teora de laprobabilidad, mediante la que se le asignaa las oraciones un grado numrico de
creencia entre 0 y 1.
8/8/2019 IA Unidad Final
61/77
y La probabilidad 0 asignada a una determinadaoracin corresponde a la inequvoca creencia
de que la oracin es falsa, en tanto que unaprobabilidad de 1 corresponde a la creencia de
que la oracin es verdadera.
Las probabilidades situadas entre 0 y 1correspondes a grados intermedios de
creencia en la verdad de la oracin.
8/8/2019 IA Unidad Final
62/77
La probabilidad que un agente asigna a
una proposicin depender de laspercepciones que ste haya recibido
hasta ese momento.
Por lo tanto en todas las afirmacionesprobabilsticas deber indicarse la
evidencia en la que se basa laprobabilidad que se est calculando.
Conforme el agente vaya recibiendonuevas percepciones los clculos deprobabilidad se van actualizando, de
manera que reflejen nuevas evidencias.
8/8/2019 IA Unidad Final
63/77
Probabilidad y las decisiones racionalesProbabilidad y las decisiones racionales
Teora de decisiones =Teora de la probabilidad +Teora de la utilidad
La Teora general de decisiones racionales conocida tambin como teora dedecisiones se puede expresar con la siguiente frmula:
Un agente ser racional si y solo si elige unaaccin que le produzca la mayor de las
utilidades esperadas, tomando en cuenta todoslos resultados posibles de la accin.
8/8/2019 IA Unidad Final
64/77
Probabilidad a priori o incondicional.Probabilidad a priori o incondicional.
y La notacin P(A) indica en la probabilidad a priori o incondicional que laproposicin A es verdadera. Por ejemplo, si Caries representa la
proposicin de que un determinado paciente tiene una caries entonces:
y Significa que, de no existir ms informacin, el agente asignar laprobabilidad de 0.1 (10% de posibilidad) al evento de que el paciente tenga
una caries.
8/8/2019 IA Unidad Final
65/77
y En las proposiciones puede tambin haber desigualdades que involucren loconocido como variables aleatorias. Por ejemplo si nuestro objeto de
atencin es la variable aleatoria EstadoDelTiempo, tendramos que:
y Adems podemos utilizar conectores lgicos para construir oraciones mscomplejas y asignarles probabilidades por ejemplo:
Dice que hay 6% de posibilidades de que un paciente tenga caries y no est
asegurado.
8/8/2019 IA Unidad Final
66/77
Probabilidad condicionalProbabilidad condicionaly Una vez que el agente cuenta con evidencias respecto a las proposiciones que
constituyen el dominio, las probabilidades a priori pierden vigencia.
y En vez de stas, se utilizan las probabilidades condicionales o posteriores,representadas como P(A|B) y que se interpreta como la probabilidad de A,considerando que todo lo que sabemos es B. Por ejemplo:
y Indica que si se descubre que un paciente padece de dolor dental, y todava nose dispone de mayor informacin, la probabilidad de que el paciente tenga unacaries es de 0.8 (80% de posibilidad).
y Es importante tener presente que slo puede emplearse cuando todolo que se sabe es B. En cuanto sabemos C, debemos calcular enlugar de
8/8/2019 IA Unidad Final
67/77
y La probabilidad condicional se obtiene a travs de la siguienteecuacin:
y Esta ecuacin tambin puede escribirse de la siguiente manera:
y Esta ecuacin expresa que:Para queA yB sean ciertas, es necesarioque B sea cierta, y luego queA sea cierta considerando B.
y Tambin se puede expresar como:
8/8/2019 IA Unidad Final
68/77
Ejemplo de probabilidad condicional:Ejemplo de probabilidad condicional:
y Se lanza un dado, si el nmero que se obtuvo es impar. Cul es laprobabilidad de que sea primo?
Solucin:
y La probabilidad de que un nmero sea impar es de dado que los nmeros
impares pueden ser 1,3 y 5.
y Es decir
y As mismo vemos que la probabilidad de que sea primo e impar es de yaque se incluyen los nmeros 3 y 5.
Finalmente tenemos que:
8/8/2019 IA Unidad Final
69/77
2.9.2.9. TEOREMADE BAYESTEOREMADE BAYES
8/8/2019 IA Unidad Final
70/77
Teorema de BayesTeorema de Bayes
y Thomas Bayes nacido enLondres en 1702 fue unmatemtico britnico queestudi el problema de ladeterminacin de laprobabilidad de las causas atravs de los efectosobservados.
y El teorema que lleva sunombre se refiere a la
probabilidad de un sucesoque se presenta como sumade diversos sucesosmutuamente excluyentes.
8/8/2019 IA Unidad Final
71/77
Teorema de BayesTeorema de Bayes
y Sea A1, A2,...,An un sistema completo de sucesos mutuamenteexcluyentes (no pueden ocurrir dos de ellos a la vez), tales que laprobabilidad de cada uno de ellos es distinta de cero, y sea B unsuceso cualquiera del que se conocen las probabilidadescondicionales P(B/Ai). Entonces la probabilidad P(Ai/B) viene dada
por la expresin:
8/8/2019 IA Unidad Final
72/77
Demostracin del teorema:Demostracin del teorema:
y El cuadrado corresponde a todas las situaciones posibles, que en este casopueden dividirse en tres: A1, A2, A3. El suceso B se puede producir en
cualquiera de las tres situaciones.
Recordando las formulas de la probabilidad condicional tenemos que:
8/8/2019 IA Unidad Final
73/77
Si reescribimos la ecuacin anterior para A1:
Para cualquiera de las otras situaciones (A2, A3) la frmula es similar.
8/8/2019 IA Unidad Final
74/77
EjemploEjemplo
y El parte meteorolgico ha anunciado tres posibilidades para el fin de
semana:
a) Que llueva: probabilidad del 50%.
b) Que nieve: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%.
y Segn estos posibles estados meteorolgicos, la posibilidad de que ocurraun accidente es la siguiente:
a) Si llueve: probabilidad de accidente del 20%.
b) Si nieva: probabilidad de accidente del 10% c) Si hay niebla: probabilidad de accidente del 5%.
8/8/2019 IA Unidad Final
75/77
y Resulta que efectivamente ocurre un accidente y como no estbamos en laciudad no sabemos qu tiempo hizo (si llovi, nev o hubo niebla). Elteorema de Bayes nos permite calcular estas probabilidades:
y
Vamos a aplicar la frmula:
a) Probabilidad de que estuviera lloviendo:
La probabilidad de que efectivamente estuviera lloviendo el da delaccidente (probabilidad a posteriori) es del 71.4%.
8/8/2019 IA Unidad Final
76/77
b) Probabilidad de que estuviera nevando:
y La probabilidad de que estuviera nevando es del 21.4%.
c) Probabilidad de que hubiera niebla:
y La probabilidad de que hubiera niebla es del 7.14%
8/8/2019 IA Unidad Final
77/77
GRACIASGRACIASPORSUPORSU
ATENCINATENCIN