Clase de Mineria de Datos 2019

Una red Bayesiana es un grafo dirigido sin ciclos donde cada nodo representa una variable, la cual puede ser medible, latente o una hipotesis; y cada enlace o arcos representa una dependencia probabilística. Como ejemplo para describir una red bayesiana podemos considerar una variable aleatoria Z dependiente de otras dos variables (F1 y F2) obtendremos el siguiente grafo de esta relación   (FÉLIX, 2007).      Figura 1 Grafo simple Una definición más practica puede ser Modelo gráfico probabilístico que permite descubrir distribuciones conjuntas complejas (modelos) a partir de distribuciones condicionales locales simples. Es la forma más básica y robusta de obtener conocimientos de entornos inciertos (incertidumbre) .(Feria, 2016) El concepto de redes bayesianas se le atribuye al filósofo e informático Judea Pearl quien, en 1985, y quien es considerado como el padre de las redes bayesianas, revolucionando el campo de la inteligencia artificial, y convirtiéndose

Para entender modelo de las redes Bayesianas hablaremos antes del Teorema de Bayes. No profundizaremos en este tema ya que no es labor que nos ocupa, pero si es importante conocerlo. Teorema de Bayes El teorema de Bayes, propuesto por el inglés Thomas Bayes en 1763, el cual se basa en el cálculo de la probabilidad condicional de un evento aleatorio A dado B en término de la distribución de probabilidad condicional del evento B dado A y la distribución de probabilidad marginal de solo A. Donde: P(A|B) = Probabilidad a posteriori P(B|A) = Probabilidad condicional P(A) = Probabilidad a priori P(B) = Probabilidad Total