INSTITUTO TECNOLÓGICO

DE
VERACRUZ

Inteligencia Artificial
Unidad 2
Representación del conocimiento y razonamiento

Catedrático:

M.S.I. Patricia Horta Rosado

Integrantes del equipo:

Alarcón Barradas Andrés Alberto

Aparicio Gutiérrez Abraham
Montenegro Fierro Sandra Glenda Veracruz, Ver., 12 de Marzo de 2010
Renteral Olivos Brenda Guadalupe
Contenido
 Mapas conceptuales.
 Redes semánticas.
 Conocimiento monótono.
 Lógica de predicados: Sintaxis, semántica, validez e inferencia.
 La demostración y sus métodos.
 Método de resolución de Robinson
 Conocimiento no-monótono y otras lógicas.
 Razonamiento probabilístico.
 Teorema de Bayes.
2.1. MAPAS
CONCEPTUALES
Mapas conceptuales
Los mapas conceptuales tienen su origen en los
trabajos que Novak y sus colaboradores de la
Universidad de Cornell.

Estos autores compartían la idea, de la

importancia de la actividad constructiva del
alumno en el proceso de aprendizaje, y
consideran que los conceptos y las
proposiciones que forman los conceptos entre
sí son elementos centrales en la estructura del
conocimiento y en la construcción del
significado.
¿Qué son los mapas conceptuales?

 Son un medio para visualizar ideas o conceptos y las relaciones jerárquicas

entre los mismos.

 Con la elaboración de estos mapas se aprovecha la gran capacidad humana

para reconocer pautas en las imágenes visuales, con lo que se facilitan el
aprendizaje y el recuerdo de lo aprendido.
• Dos o más términos conceptuales unidos
por palabras para formar una unidad
PROPOSICIONES
semántica.
• Se utilizan para unir los conceptos y para ENLACE
indicar el tipo de relación que se establece PALABRAS DE
entre ellos.
• Desde el punto de vista gramatical los
conceptos se identifican como nombres, CONCEPTOS
adjetivos y pronombres, los que
representan hechos, objetos, ideas, etc.
Elementos de los mapas conceptuales
 Utilización de los mapas conceptuales

Como medio didáctico para organizar

información, sintetizarla y presentarla
gráficamente.

Para apreciar el conjunto de información que

contiene un texto y las relaciones entre sus
componentes, lo que facilita su comprensión.

Para relatar oralmente o para redactar textos en

los que se maneje lógica y ordenadamente
cierta información.
 5
• Utilizar correctamente la simbología:
• Establecer las relaciones entre ellas. 4
• Determinar la jerarquización de dichas ideas o palabras clave. 3
• Localizar y subrayar las ideas o palabras más importantes
2
(palabras clave) con las que se construirá el mapa; por lo general,
son nombres o sustantivos.
1
• Leer cuidadosamente el texto y entenderlo claramente.
Técnica de construcción de los mapas conceptuales
Simbología de los mapas conceptuales

Ideas o conceptos : Cada una se presenta

escribiéndola encerrada en un óvalo o en Idea Concepto

un rectángulo.

Conectores: La conexión o relación entre

dos ideas se representa por medio de una
línea inclinada, vertical u horizontal
llamada conector o línea ramal que une
ambas ideas.
Flechas: se pueden utilizar en los conectores para
mostrar que la relación de significado entre las ideas
o conceptos unidos se expresa primordialmente en un
solo sentido; también se usan para acentuar la
direccionalidad de las relaciones, cuando se considera
indispensable.

Descriptores: Es la palabra o conjunto Animales

de palabras que describen la
conexión; se escriben cerca de los
conectores o sobre ellos. Estos
descriptores sirven para "etiquetar"
pueden ser
las relaciones.

Vertebrados Invertebrados
2.2. REDES SEMÁNTICAS
Perspectiva de las redes semánticas
 Los responsables de los primeros esquemas de representación
formalizados fueron Quillian (1968) y Shapiro &
Woddmansee (1971).

 Los esquemas de redes semánticas tienen una

fundamentación psicológica muy sólida, por lo que se han
realizado numerosos esfuerzos por llevar a cabo
implementaciones importantes basadas en ellas.

 Muchas disciplinas han desarrollado técnicas de realización

de diagramas que constituyen lenguajes formales visuales que
representan el conocimiento operacional en forma
esquemática.
¿Qué son las redes semánticas?
Son una forma de representación de conocimiento lingüístico en la que
los conceptos y sus interrelaciones se representan mediante un grafo.

En un grafo o red semántica los elementos semánticos se

representan por nodos.

Dos elementos semánticos entre los que se admite se da la relación semántica que
representa la red, estarán unidos mediante una línea, flecha o arista.

Cierto tipo de relaciones no simétricas requieren grafos dirigidos

que usan flechas en lugar de líneas.
Los elementos básicos que encontramos en todos los
esquemas de redes son:

Estructuras de datos en nodos, que

representan conceptos, unidas por
arcos que representan las relaciones
entre los conceptos.

Un conjunto de procedimientos de
inferencia que operan sobre las
estructuras de datos.
Partes de una red semántica

Nodos

●
Es un concepto y se encierra en un círculo o elipse.

Relaciones

●
Es una propiedad del concepto.
Diferencia entre mapa conceptual y red semántica

 Una diferencia importante es que los mapas conceptuales

tienen jerarquía gráfica; es decir, los conceptos más
abarcativos se explicitan en la parte superior del mismo y,
descendiendo por el mapa, se encuentran los conceptos de
jerarquía intermedia y luego los menos abarcativos.

 La lectura de un mapa conceptual es, entonces, de arriba

hacia abajo.

 Las redes semánticas, en cambio, no requieren jerarquía

gráfica vertical; por lo tanto, las conexiones entre nodos, en
vez de líneas, son flechas que orientan el sentido de la
lectura
2.3. RAZONAMIENTO
MONÓTONO
 Razonamiento monótono
 El razonamiento monótono, es el que utiliza
contradicciones para procesar. Elimina un hecho (factor
de conocimiento) obteniendo la contradicción hasta que
llega a una conclusión final.
Ejemplo:

 “Cuando se ve a una persona tirando basura en la calle y pensamos en

lo mal que se ve, la criticamos, pero cuando realizamos el mismo acto
sin pensar, caemos en una contradicción y concluimos que somos
igual a la persona que estaba tirando basura en la calle”.
El razonamiento monótono es parte de la lógica clásica
y abarca temas de la misma los cuales son:

 Lógica proposicional
 Deducción lógica
 Lógica de primer orden
Lógica proposicional

 La lógica proposicional es un sistema formal diseñado para

analizar ciertos tipos de argumentos.

 En la lógica proposicional, las fórmulas representan

proposiciones y las constantes lógicas son operaciones sobre las
fórmulas que producen otras fórmulas de mayor complejidad.

 Como otros sistemas lógicos, la lógica proposicional intenta

esclarecer nuestra comprensión de la noción de consecuencia
lógica para el rango de argumentos que analiza.
 Deducción lógica

 La deducción lógica
consiste en que a partir de
unas premisas,
representadas con símbolos,
y a través de unas reglas,
obtenemos una conclusión
(deducimos la conclusión).
Lógica de primer orden

También llamada lógica de predicados o cálculo de

predicados, es un sistema formal diseñado para estudiar
la inferencia en los lenguajes de primer orden.

La lógica de primer orden tiene el poder expresivo

suficiente para definir a prácticamente todas las
matemáticas.

Una lógica de primer orden (LPO) consta de un lenguaje

L y un concepto de inferencia C.

El lenguaje L se describe en sus dos dimensiones

fundamentales: Sintaxis y Semántica.

Sintácticamente L consta de un alfabeto y de dos clases

de expresiones bien definidas a partir de los símbolos de
este alfabeto: términos y fórmulas.
 2.4. LA LÓGICA DE PREDICADOS
SINTAXIS, SEMÁNTICA, VALIDEZ E INFERENCIA.
 Lógica

Está formada por

Un sistema formal para

describir lo que está
La teoría de la demostración
sucediendo en un momento
determinado

La semántica del lenguaje, que

La sintaxis del lenguaje, que especifica las restricciones
explica cómo construir sistemáticas sobre cómo se
oraciones relacionan las oraciones con
aquello que está sucediendo
 Lógica
propositiva
Lógic
a
Los símbolos representan proposiciones
completas (hechos). Los símbolos de
proposiciones pueden combinarse usando
los conectivos booleanos para generar
oraciones de significado más complejo.
Una lógica como esta poco se preocupa
por la manera de representar las cosas,
por ello no es sorprendente que no ofrezca
mucho como lenguaje de representación.
Lógica de
primer
orden
Se preocupa por la representación de
los mundos en términos de objetos y
predicados sobre objetos (es decir,
propiedades de los objetos o relaciones
entre los objetos), así como del uso de
conectivos y cuantificadores,
mediante los cuales se pueden escribir
oraciones sobre todo lo que pasa en el
universo, a un mismo tiempo.
Lógica Propositiva
Sintaxis
 Semántica
 La semántica de la lógica propositiva también es bastante directa. Se
define especificando la interpretación de los signos de proposición y de
las constantes y especificando el significado de los conectores lógicos.
 Una manera de definir una función es construir una tabla mediante la
que se obtenga el valor de salida de todos los valores de entrada
posibles. A este tipo de tablas se les conoce como tablas de verdad.
 Mediante las tablas de verdad se define la semántica de las oraciones.

P Q ¬P PQ PQ PQ PQ

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
 Validez e inferencia

 Las tablas de verdad sirven no solo para definir los conectores,

sino también para probar la validez de las oraciones.

 Por ejemplo:
((PH)H)P

P H PH (PH)H) ((PH)H)P

Falso Falso Falso Falso Verdadero
Falso Verdadero Verdadero Falso Verdadero
Verdadero Falso Verdadero Verdadero Verdadero
Verdadero Verdadero Verdadero Falso Falso
Reglas de inferencia
 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 se
aprende el patrón respectivo en algo que se conoce como regla de inferencia.
 Lógica de primer orden
(calculo de predicados)

 La lógica de primer orden considera que el mundo está

constituido por objetos, es decir, entes con identidades
individuales y propiedades que los distinguen de otros objetos.

 Entre estos objetos, existen diversos tipos de relaciones.

Algunas de estas son las funciones: relaciones en que una
“entrada” corresponde un solo “valor”.

◦ Objetos: gente, casas, números, teorías, Ronald McDonald, colores,

juegos de beisbol, guerras, siglos…
◦ Relaciones: hermano de, mayor que, dentro de, parte de, de color,
sucedió luego de, es el dueño de…
◦ Propiedades: rojo, redondo, de varios pisos, falso, lo mejor…
◦ Funciones: padre de, mejor amigo de, tercer tiempo de, uno más que…
“Los cuadros cercanos al wumpus apestan”
Objetos: wumpus, cuadros.
Relación: cercanía.
Propiedades: apestosos.

“El malvado rey Juan gobernó Inglaterra en

1200”
Objetos: Juan, Inglaterra, 1200.
Relación: gobernó.
Propiedades: malvado, rey.
 Sintaxis y Semántica
Oración  Oración atómica
ê Oración Conector Oración
ê Cuantificador Variable,… Oración
ê Oración
ê (Oración)

Oración atómica  Predicado(término,…) Término=Término

Término  Función(Término,…)
ê Constante
ê Variable

Conector   ˅  
Cuantificador   
Constante  A X1 Juan …
Variable  a x s …
Predicado  Antes TieneColor Lloviendo …
Función  Madre PiernaIzquierdaDe …
Signos de constantes: A, B, C, Juan…
Signos de predicados: Redondo, Hermano,…
Signos de funciones: Coseno, PadreDe, PiernaIzquierdaDe…
Términos: PiernaIzquierdaDe(Juan)

Oraciones atómicas
 Hermano(Ricardo,Juan)
 Casado(PadreDe(Ricardo),MadreDe(Juan))

Oraciones complejas
 Hermano(Ricardo, Juan) Hermano(Juan, Ricardo)
 Mayor(Juan, 30) Menor(Juan, 30)
 Mayor(Juan, 30)¬ Menor(Juan, 30)
 ¬Hermano(Robin, Juan)
Cuantificación universal ()
xGato(x)Mamífero(x)

Gato(Mancha)Mamífero(Mancha)
Gato(Rebeca)Mamífero(Rebeca)
Gato(Félix)Mamífero(Félix)
Gato(Ricardo)Mamífero(Ricardo)
Gato(Juan)Mamífero(Juan)

Cuantificador existencial ()

xHermana(x, Mancha)Gato(x)

(Hermana(Mancha, Mancha)Gato(Mancha))
(Hermana(Rebeca, Mancha)Gato(Rebeca))
(Hermana(Félix, Mancha)Gato(Félix))
(Hermana(Ricardo, Mancha)Gato(Ricardo))
(Hermana(Juan, Mancha)Gato(Juan))
2.5. LA DEMOSTRACIÓN Y SUS
MÉTODOS
La demostración y sus métodos
La demostración es un razonamiento o serie de
razonamiento que prueba la validez de un nuevo
conocimiento estableciendo sus conexiones necesarias
con otros conocimientos.

La demostración consta de tres partes:

 
◦ El conocimiento que se trata de demostrar, es decir la
proposición (teorema) cuya validez se trata de probar.
◦ Los fundamentos empleados como base de la demostración.
◦ El procedimiento usado para lograr que el conocimiento
quede demostrado.
 Método deductivo
 Según el sistema aristotélico, el método deductivo es un proceso que parte
de un conocimiento general, y arriba a uno particular. La aplicación del
método deductivo nos lleva a un conocimiento con grado de certeza
absoluta, y esta cimentado en proposiciones llamadas SILOGISMOS.

He aquí 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)

 Método directo
Si tomamos una frase lógica condicional sencilla del tipo:
 
PQ
 
Que podemos analizar como “si se cumple P entonces se cumple
Q” , esto lo hacemos de forma natural sin complicarnos en hacer
análisis mas intensivos o mas extensivos pues lo hacemos de una
forma innata.
 
Si decimos: “El cielo esta encapotado, va a llover” estamos
realizando una asociación de causa y efecto. En la cual “el cielo esta
encapotado” es la causa y el efecto lógico es que, “va a llover”.
Sean:
            p: Trabajo.
            q: Ahorro.
            r: Compraré una casa.
            s: Podré guardar el automóvil en mi casa.
             
Analizar el siguiente argumento:

"Si trabajo y ahorro, entonces compraré una casa. Si compro una

casa, entonces podré guardar el coche en mi casa. Por consiguiente,
si no puedo guardar el coche en mi casa, entonces no ahorro".

El enunciado anterior se puede representar como:

            p  q  r;          y          r  s;    entonces           s'  q'
 Método indirecto
Ejemplo
 
Sean a y b números enteros positivos impares. Demostrar que ab es impar.
 
En este caso las bases de la demostración (hipótesis) se encuentra en las nociones de
número impar, número par, la suma y la multiplicación de números enteros con sus
propiedades.
 
Si a es un número impar, entonces es de la forma 2k+1 y si b es un número impar,
entonces es de la forma 2r+1, donde k y r pueden tomar los valores 0, 1, 2, 3,.... así:
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 algún entero positivo s.
 
Luego el producto ab contiene el factor 2, lo que implica que a contiene el factor 2 o b
contiene el factor 2, o ambos, es decir a o b son pares en contradicción con la hipótesis.
 Método de recursión
(Inducción Matemática)
Demostrar que 22n - 1 es un múltiplo 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 múltiplo de 3.
 
Admitimos nuestra hipótesis inductiva, esto es, que 22n - 1 es un múltiplo de 3,
entonces si n = k; tendríamos:
 
22k - 1 es un múltiplo de 3, escrito de otra forma
22k – 1 = 3p para cualquier p entero positivo
 
Por último, comprobamos que se cumple para el caso siguiente
 
El caso siguiente a n = k será 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 expresión final, no es otra cosa que un número múltiplo de 3.
 
Así entonces, 22n - 1 es un múltiplo de 3 para n = k + 1 si 22k – 1 es múltiplo de 3
para n = k. Por tanto, por el principio de inducción matemática, 22n - 1 es un
múltiplo de 3 para todo entero positivo n., con lo cual queda entonces
demostrado, el enunciado en cuestión.
 2.6. EL MÉTODO DE
RESOLUCIÓN DE ROBINSON.
Método de resolución de Robinson

Método para decidir si una proposición es válida o no.

Introducido por Alan Robinson en 1965

Es simple de implementar

Es bastante popular en el ámbito de demostración

automática de teoremas.

Se extiende a lógica de primer orden y otras lógicas

no funcionales.

Tiene una única regla de inferencia: la regla de

resolución.
Método de resolución de Robinson

La idea del método es mostrar la validez de una

proposición estableciendo que la negación de la
proposición es insatisfactible por ello se dice que es un
método de refutación.
 
El método de resolución se basa en el hecho de que la
siguiente proposición es una tautología

( A _ P) ^ (B _ ¬P) () (A _ P) ^ (B _ ¬P) ^ (A _ B)
 Definición

 
Dado un literal L, el opuesto de L (escrito L) se define como:

¬P si L = P
P si L = ¬P

Dadas dos cláusulas C1, C2, una cláusula C se dice resolvente

de C1 y C2 si, para algún literal L, L 2 C1, L 2 C2, y

C = (C1 − {L}) [ (C2 − {L})

Regla de Resolución

{A1, . . . ,Am,Q} {B1, . . . ,Bn,¬Q}

{A1, . . . ,Am,B1, . . . ,Bn}

El método de resolución trata de construir una

secuencia de conjuntos de cláusulas, obtenidas usando
pasos de resolución hasta llegar a una refutación.
2.7. CONOCIMIENTO NO-
MONÓTONO Y
OTRAS LÓGICAS
 son conjuntos de fórmulas cualesquiera.
Donde A es una fórmula cualquiera y Γ y Δ
• Si entonces:
3
• Intuitivamente, la monotonicidad indica que el agregar
nuevos conocimientos no se reduce el conjunto de las cosas
2
conocidas.
• Forma de razonamiento que contrasta con el razonamiento 1
deductivo estándar.
Conocimiento No-Monótono
Sistemas de razonamiento Monótono y no Monótono

Son utilizados para inferir conclusiones a partir de una

información dada.

Son representados por medio de programas lógicos.

Dentro del razonamiento no monótono se encuentra la

completitud de Clark.
 Lógicas no monótonas
Enfoques
●
●

●
● Campo del razonamiento no monótono

●
● Lógica no monótona modal
Enfoques más ●
● Lógica autoepistémica
Lógicas de condicionales revocables
importantes
●
●

●
● Sistemas basados en reglas
 Otras Teorías

Argumentación Teoría de cambio de

Rebatible creencias
2.8. RAZONAMIENTO
PROBABILÍSTICO
El agente lógico
 Un agente lógico se puede considerar
como una entidad que posee conocimiento
de su mundo, y que también es capaz de
razonar sobre las posibles acciones que
puede emprender para el logro de sus
objetivos, además que tiene la posibilidad
de aceptar nuevas tareas.

Una de las limitaciones de la lógica de primer

orden es que los agentes casi nunca tienen
acceso a toda la verdad acerca de su ambiente.
Incertidumbre
 Se entiende por incertidumbre una
situación en la cual no se conoce
completamente la probabilidad de
que ocurra un determinado evento.

Para que el agente realice lo correcto dependerá

tanto de la importancia relativa de las diversas
metas así como de la posibilidad y grado
correspondiente en que esperamos que sean
logradas.
 Manejo del conocimiento incierto
(Teoría de la probabilidad)
Ejemplo

 Si nos interesara elaborar un sistema para diagnósticos

odontológicos recurriendo a la lógica pondríamos reglas como:

El problema es que esta regla está equivocada.

No todos los pacientes que tienen dolor de dientes, también tienen caries;
algunos quizá tengan algún padecimiento de las encías, o muelas del juicio
afectadas. Esto provoca que tengamos una lista casi ilimitada de posibles
causas.
 Teoría de la probabilidad
 En el caso anterior la relación entre dolor de dientes y caries no implica una
consecuencia lógica en ambos sentidos. En estos casos lo que el agente puede
ofrecer es solo un grado de creencia en las oraciones correspondientes.

La herramienta para manejar los grados

de creencia es la teoría de la
probabilidad, mediante la que se le asigna
a las oraciones un grado numérico de
creencia entre 0 y 1.
 La probabilidad 0 asignada a una determinada
oración corresponde a la inequívoca creencia
de que la oración es falsa, en tanto que una
probabilidad de 1 corresponde a la creencia de
que la oración es verdadera.

Las probabilidades situadas entre 0 y 1

correspondes a grados intermedios de creencia
en la verdad de la oración.
La probabilidad que un agente asigna a una
proposición dependerá de las percepciones
que éste haya recibido hasta ese momento.

Por lo tanto en todas las afirmaciones

probabilísticas deberá indicarse la evidencia
en la que se basa la probabilidad que se está
calculando.

Conforme el agente vaya recibiendo nuevas

percepciones los cálculos de probabilidad se
van actualizando, de manera que reflejen
nuevas evidencias.
 Probabilidad y las decisiones racionales

La Teoría general de decisiones racionales conocida también como teoría de

decisiones se puede expresar con la siguiente fórmula:

Teoría de decisiones = Teoría de la probabilidad + Teoría de la utilidad

Un agente será racional si y solo si elige una

acción que le produzca la mayor de las
utilidades esperadas, tomando en cuenta todos
los resultados posibles de la acción.
Probabilidad a priori o incondicional.
 La notación P(A) indica en la probabilidad a priori o incondicional que la
proposición A es verdadera. Por ejemplo, si Caries representa la
proposición de que un determinado paciente tiene una caries entonces:

 Significa que, de no existir más información, el agente asignará la

probabilidad de 0.1 (10% de posibilidad) al evento de que el paciente tenga
una caries.
 En las proposiciones puede también haber desigualdades que involucren lo
conocido como variables aleatorias. Por ejemplo si nuestro objeto de
atención es la variable aleatoria EstadoDelTiempo, tendríamos que:

 Además podemos utilizar conectores lógicos para construir oraciones más

complejas y asignarles probabilidades por ejemplo:

Dice que hay 6% de posibilidades de que un paciente tenga caries y no esté

asegurado.
 Probabilidad condicional
 Una vez que el agente cuenta con evidencias respecto a las proposiciones que
constituyen el dominio, las probabilidades a priori pierden vigencia.

 En vez de éstas, 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:

 Indica que si se descubre que un paciente padece de dolor dental, y todavía no se

dispone de mayor información, la probabilidad de que el paciente tenga una
caries es de 0.8 (80% de posibilidad).

 Es importante tener presente que sólo puede emplearse cuando todo lo

que se sabe es B. En cuanto sabemos C, debemos calcular en lugar
de
La probabilidad condicional se obtiene a través de la siguiente
ecuación:
 
 

Esta ecuación también puede escribirse de la siguiente manera:

 
 
 
Esta ecuación expresa que: “Para que A y B sean ciertas, es necesario
que B sea cierta, y luego que A sea cierta considerando B”.
 
También se puede expresar como:

 
 Ejemplo de probabilidad condicional:
 Se lanza un dado, si el número que se obtuvo es impar. ¿Cuál es la
probabilidad de que sea primo?

Solución:
 La probabilidad de que un número sea impar es de dado que los números
impares pueden ser 1,3 y 5.

 Es decir

 Así mismo vemos que la probabilidad de que sea primo e impar es de ya

que se incluyen los números 3 y 5.

Finalmente tenemos que:

2.9. TEOREMA DE BAYES
Teorema de Bayes
 Thomas Bayes nacido en
Londres en 1702 fue un
matemático británico que
estudió el problema de la
determinación de la
probabilidad de las causas a
través de los efectos
observados.

 El teorema que lleva su nombre

se refiere a la probabilidad de
un suceso que se presenta como
suma de diversos sucesos
mutuamente excluyentes.
 Teorema de Bayes
 Sea A1, A2,...,An un sistema completo de sucesos mutuamente
excluyentes (no pueden ocurrir dos de ellos a la vez), tales que la
probabilidad de cada uno de ellos es distinta de cero, y sea B un
suceso cualquiera del que se conocen las probabilidades
condicionales P(B/Ai). Entonces la probabilidad P(Ai/B) viene dada
por la expresión:
 Demostración del teorema:

 El cuadrado corresponde a todas las situaciones posibles, que en este caso

pueden 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:

Si reescribimos la ecuación anterior para A1:

Para cualquiera de las otras situaciones (A2, A3) la fórmula es similar.

Ejemplo
 El parte meteorológico 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%.
 
 Según estos posibles estados meteorológicos, la posibilidad de que ocurra
un 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%.
 Resulta que efectivamente ocurre un accidente y como no estábamos en la
ciudad no sabemos qué tiempo hizo (si llovió, nevó o hubo niebla). El
teorema de Bayes nos permite calcular estas probabilidades:
 Vamos a aplicar la fórmula: 

a) Probabilidad de que estuviera lloviendo:

La probabilidad de que efectivamente estuviera lloviendo el día del

accidente (probabilidad a posteriori) es del 71.4%.
b) Probabilidad de que estuviera nevando: 
 
 
 

 La probabilidad de que estuviera nevando es del 21.4%.

c) Probabilidad de que hubiera niebla: 

 
 
 

 La probabilidad de que hubiera niebla es del 7.14% 

GRACIAS
POR SU
ATENCIÓN