Arbol de Decisiones Luis Alberto Lujan Campos

w
ARBOL DE DECISIONES
Luis Lujan
Doctor en Ingeniería de Sistemas
www.neosistemas.org/lalc
w30 de Octubre de 2014 Lima - Perú
© www.NEOSISTEMAS.org Dr. Luis Lujan

Tecnología y Negocios para un mundo mejor. lujan@neosistemas.org
Teorema de Bayes
w
En términos menos matemáticos, es de enorme relevancia

puesto que vincula la probabilidad de A dado B con la
probabilidad de B dado A.
Es decir que sabiendo la probabilidad de tener un dolor de

cabeza dado que se tiene gripe, se podría saber (si se tiene
algún dato más), la probabilidad de tener gripe si se tiene un
dolor de cabeza.
Muestra este sencillo ejemplo la alta relevancia del teorema en

cuestión para la ciencia en todas sus ramas, puesto que tiene
vinculación íntima con la comprensión de la probabilidad de
aspectos causales dados los efectos observados.

Sea {A1,A2,...,Ai,...,An} un conjunto de sucesos mutuamente
excluyentes y exhaustivos, y tales que la probabilidad de cada uno
de ellos es distinta de cero (0). w
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:
P(Ai|B)=P(B|Ai)P(Ai)P(B)
donde:
•P(Ai) son las probabilidades a priori.

•P(B|Ai) es la probabilidad de B en la hipótesis Ai.
•P(Ai|B) son las probabilidades a posteriori.
Thomas Bayes (1763)

Fórmula de Bayes, también conocida como la Regla de Bayes:
w
Un arbol de decisiones, es una red bayesiana, red de

Bayes o modelo probabilístico en un gráfico acíclico,
es un modelo gráfico probabilístico que representa un
conjunto de variables aleatorias y sus dependencias
condicionales

Ley de la Probabilidad Condicional:
w
Una probabilidad condicional es denotada por P(X|Y). Esta frase

se lee: La probabilidad de que X ocurra conociendo como dada
que la probabilidad de Y haya ocurrido.
Probabilidades condicionales se basan en el conocimiento de

una de las variables. La probabilidad condicional de un evento,
tal que X ocurra sujeto a que el evento Y ha ocurrido, es
expresada como:
P(X|Y) = P(X|Y) = P(X e Y) ¸ P(Y),

Sabiendo de que P(Y) no es cero. Note que cuando se una la ley de
w
probabilidad condicional, siempre se divide la probabilidad conjunta
entre la probabilidad de un evento después de la palabra dada. Por
lo tanto, para obtener P(X dada Y), se divide la probabilidad conjunta
de X e Y entre la probabilidad incondicional de Y. En otras palabras,
la ecuación anterior es usada para encontrar la probabilidad
condicional para dos eventos dependientes cualquiera.
La versión mas simple del teorema de Bayes es:
P(X|Y) = P(Y|X) ´ P(X) ¸ P(Y)

Si dos eventos, tales como X e Y, son independientes entonces:
P(X|Y) = P(X), y P(Y|X) = P(Y)

La ley de Bayes: w
P(X|Y) = [ P(X) x P(Y|X) ] + [P(X) x P(Y|X) + P(no X) x P(Y| no X)]
La ley de Bayes proporciona una probabilidad posterior [por

ejemplo,
P(X|Y)] agudizando la probabilidad anterior [P(X)] por la

disponibilidad de mejorar y relevar información en términos
probabilísticos.

Una Aplicación: w
Suponga que dos maquinas, A y B, producen partes idénticas.
La maquina A tiene una probabilidad de 0,1 de producción

defectuosa cada vez que se utiliza, mientras que la maquina B
tiene una probabilidad de 0,4 de producción defectuosa cada
vez que se usa.
Cada maquina produce una parte a la vez. Una de estas partes

es selecciona al azar, probada, y se encuentra que es
defectuosa.
¿Cuál es la probabilidad de que esa parte fue producida por la

maquina B?

Probabilidad de Diagramas de Árbol: representa eventos o
w
secuencias de eventos como rama de árboles. El Diagrama de árbol
es una visualización útil de probabilidades condicionales:

Las probabilidades al final de cada
w
rama son las probabilidades
de que eventos dirigidos al final de cada rama ocurrirán
simultáneamente.
El diagrama de árbol anterior indica que la probabilidad de las

partes probadas como buenas es
9/20 + 6/20 = 3/4,
Por lo tanto, la probabilidad de partes defectuosas es ¼-
Esto significa que la P(sea hecha por B | esta es defectuosa) =

(4/20) / (1/4) = 4/5.

Usando la Ley de Bayes podemos
w obtener información útil,
como por ejemplo:
P(esta es defectuosa | hecha por B) = 1/4(4/5) / [1/4(4/5) +

3/4(2/5)] = 2/5.
Equivalentemente, usando la probabilidad condicional anterior,

se obtiene que:
P(esta es defectuosa | sea hecha por B) = P(esta es defectuosa

y sea hecha por B)/P(hecha por B) = (4/20)/(1/2) = 2/5.

w
Luis Lujan
Doctor en Ingeniería de Sistemas
www.neosistemas.org/lalc
w30 de Octubre de 2014 Lima - Perú


Arbol de Decisiones Luis Alberto Lujan Campos

Cargado por

Copyright:

Formatos disponibles

Arbol de Decisiones Luis Alberto Lujan Campos

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Arbol de Decisiones Luis Alberto Lujan Campos

Cargado por

Copyright:

Formatos disponibles

w

w30 de Octubre de 2014 Lima - Perú

© www.NEOSISTEMAS.org Dr. Luis Lujan

En términos menos matemáticos, es de enorme relevancia

Es decir que sabiendo la probabilidad de tener un dolor de

Muestra este sencillo ejemplo la alta relevancia del teorema en

© www.NEOSISTEMAS.org Dr. Luis Lujan

Sea B un suceso cualquiera del que se conocen las probabilidades

Entonces, la probabilidad P(Ai|B) viene dada por la expresión:

•P(Ai) son las probabilidades a priori.

Thomas Bayes (1763)

© www.NEOSISTEMAS.org Dr. Luis Lujan

Un arbol de decisiones, es una red bayesiana, red de

© www.NEOSISTEMAS.org Dr. Luis Lujan

Una probabilidad condicional es denotada por P(X|Y). Esta frase

Probabilidades condicionales se basan en el conocimiento de

P(X|Y) = P(X|Y) = P(X e Y) ¸ P(Y),

© www.NEOSISTEMAS.org Dr. Luis Lujan

La versión mas simple del teorema de Bayes es:

P(X|Y) = P(Y|X) ´ P(X) ¸ P(Y)

P(X|Y) = P(X), y P(Y|X) = P(Y)

© www.NEOSISTEMAS.org Dr. Luis Lujan

P(X|Y) = [ P(X) x P(Y|X) ] + [P(X) x P(Y|X) + P(no X) x P(Y| no X)]

La ley de Bayes proporciona una probabilidad posterior [por

P(X|Y)] agudizando la probabilidad anterior [P(X)] por la

© www.NEOSISTEMAS.org Dr. Luis Lujan

Suponga que dos maquinas, A y B, producen partes idénticas.

La maquina A tiene una probabilidad de 0,1 de producción

Cada maquina produce una parte a la vez. Una de estas partes

¿Cuál es la probabilidad de que esa parte fue producida por la

© www.NEOSISTEMAS.org Dr. Luis Lujan

© www.NEOSISTEMAS.org Dr. Luis Lujan

El diagrama de árbol anterior indica que la probabilidad de las

9/20 + 6/20 = 3/4,

Por lo tanto, la probabilidad de partes defectuosas es ¼-

Esto significa que la P(sea hecha por B | esta es defectuosa) =

© www.NEOSISTEMAS.org Dr. Luis Lujan

P(esta es defectuosa | hecha por B) = 1/4(4/5) / [1/4(4/5) +

Equivalentemente, usando la probabilidad condicional anterior,

P(esta es defectuosa | sea hecha por B) = P(esta es defectuosa

© www.NEOSISTEMAS.org Dr. Luis Lujan

w30 de Octubre de 2014 Lima - Perú

© www.NEOSISTEMAS.org Dr. Luis Lujan

También podría gustarte