Universidad Mayor de San Andrés Facultad de Ciencias Puras Y Naturales Carrera de Informática

UNIVERSIDAD MAYOR DE SAN ANDRÉS
FACULTAD DE CIENCIAS PURAS Y NATURALES

CARRERA DE INFORMÁTICA
TESIS DE GRADO
“SISTEMA EXPERTO PARA EL DIAGNOSTICO Y TRATAMIENTO DE

TRASTORNOS DEL ESPECTRO AUTISTA EN NIÑOS Y NIÑAS
MENORES DE 3 AÑOS”
PARA OPTAR AL TÍTULO DE LICENCIATURA EN INFORMÁTICA

MENCIÓN: INGENIERÍA DE SISTEMAS INFORMÁTICOS
POSTULANTE: DEDDY DIAMANTINO DIAZ ALANOCA

TUTOR METODOLÓGICO: LIC. GROVER ALEX RODRÍGUEZ RAMÍREZ
ASESOR: LIC. JAVIER REYES PACHECO
LA PAZ – BOLIVIA
2015
UNIVERSIDAD MAYOR DE SAN ANDRÉS
FACULTAD DE CIENCIAS PURAS Y NATURALES
CARRERA DE INFORMÁTICA
LA CARRERA DE INFORMÁTICA DE LA FACULTAD DE CIENCIAS PURAS Y

NATURALES PERTENECIENTE A LA UNIVERSIDAD MAYOR DE SAN ANDRÉS
AUTORIZA EL USO DE LA INFORMACIÓN CONTENIDA EN ESTE
DOCUMENTO SI LOS PROPÓSITOS SON ESTRICTAMENTE ACADÉMICOS.
LICENCIA DE USO
El usuario está autorizado a:
a) visualizar el documento mediante el uso de un ordenador o dispositivo móvil.

b) copiar, almacenar o imprimir si ha de ser de uso exclusivamente personal y privado.
c) copiar textualmente parte(s) de su contenido mencionando la fuente y/o haciendo la
referencia correspondiente respetando normas de redacción e investigación.
El usuario no puede publicar, distribuir o realizar emisión o exhibición alguna de este

material, sin la autorización correspondiente.
TODOS LOS DERECHOS RESERVADOS. EL USO NO AUTORIZADO DE LOS

CONTENIDOS PUBLICADOS EN ESTE SITIO DERIVARA EN EL INICIO DE
ACCIONES LEGALES CONTEMPLADOS EN LA LEY DE DERECHOS DE AUTOR.
DEDICATORIA
A mis padres, Roberto y Martha, a mis hermanos
Rino, Lizeth, Carolita y Ricardo y mi enamorada Mariana
quienes me brindaron su apoyo incondicional, en
todo momento de mi carrera y durante la realización
del presente trabajo de investigación, demostrándome
que la esfuerzo, el orden y la responsabilidad son
valores muy fundamentales de una persona.
También a todos mis familiares, que también
me impulsaron para culminar esta Carrera.
Deddy Diamantino Diaz Alanoca
1
AGRADECIMIENTOS
Gracias a Dios por ser mi fortaleza, por guiarme y protegerme

de las adversidades.
Al Lic. Alex Grover Rodríguez, que en su calidad de tutor me

acompaño con sus conocimientos al desarrollo del presente
trabajo.
Al Lic. Javier Hugo Reyes Pacheco, quien me asesoro y

contribuyo con sus conocimientos y experiencia, al desarrollo
de la presente tesis.
A todas las personas que me ayudaron en la colaboración y

recolección de información para esta presente tesis.
Deddy Diamantino Diaz Alanoca
2
RESUMEN
En los últimos años se vio que son desarrollados con más frecuencia programas de
computación, ya que apoyan a las personas en diferentes áreas, realizando
contribuciones en Medicina, Filosofía, Psicología, Educación y otros.
Los Sistemas Expertos, dentro del campo de la inteligencia, son sistemas capaces de
realizar algo muy parecido a razonar y pensar. Permiten crear maquinas que razonen
en un espacio restringido de conocimiento, siguiendo los pasos que seguiría un experto
humano.
La presente tesis plantea un Sistema Experto a través de la aplicación de Redes

Bayesianas, con la finalidad de desarrollar un Sistema Experto que brinde un
Diagnóstico y Tratamiento de Trastornos del Espectro Autista en niños y niñas menores
de 3 años, como: Aspenger, Rett, Regresivo, cada uno de estos tienen diferentes
síntomas donde se encuentra almacenada en una base de conocimientos del sistema.
El trabajo con la ayuda de especialista en Psicología y Educación Especial fue muy

importante ya que resolvió muchas dudas en el análisis de las variables de cada tipo de
Trastorno y las relaciones que existe entre ellas. Se implementó un prototipo del
sistema experto para de diagnóstico precoz de algún Trastorno Autista además brindar
el mejor tratamiento adecuado.
El SE sirve de apoyo a la toma de decisiones, tanto a los profesionales especialistas en

estos temas como Psicólogos, Educadoras Especiales y cuenta con entradas, que son
los síntomas y la Base de conocimiento, que contiene el conocimiento formalizado y
estructurado, la representación del conocimiento permite describir los hechos que y
utilizadas en el proceso de diagnóstico, además las incertidumbres son representadas
a través de la Redes Bayesianas y las salidas, son el diagnóstico y Tratamiento. Por
último la Interfaz de Usuario, mecanismo que permite la comunicación entre el usuario
y sistema experto.
Palabras Clave: Inteligencia Artificial, Sistema Experto, Trastornos del Espectro

Autista, Redes Bayesianas, Diagnostico.
3
SUMMARY
In recent years we saw more often developed software, and supporting people in
different areas, making contributions in medicine, philosophy, psychology, education
and others.
Expert systems within the field of intelligence systems are capable of performing much
like reason and think. They allow to create machines that can reason in a restricted area
of knowledge, following the steps that follow a human expert.
This thesis presents an Expert System through the application of Bayesian networks, in
order to develop an expert system that provides diagnosis and treatment of autism
spectrum disorders in children under 3 years, as Aspenger, Rett, regressive, each of
these have different symptoms where it is stored in a knowledge base system.
Working with the assistance of specialist in Psychology and Special Education was very
important as it solved many questions in the analysis of the variables of each type of
disorder and the relationships between them. A prototype expert for early diagnosis of
Autistic Disorder some also provide the best suitable treatment system was
implemented.
He served in support of decision making, both professional specialists in these issues

as Psychologists, Special Educators and has inputs, which are the symptoms and
Knowledge Base, which contains the formalized and structured knowledge
representation knowledge enables describing the facts and used in the process of
diagnosis, in addition uncertainties are represented by the Bayesian networks and
outlets, are the diagnosis and treatment. Finally the user interface mechanism that
enables communication between the user and expert system.
Keywords: Artificial Intelligence, Expert System, Autism Spectrum Disorders, Bayesian

Networks, Diagnosis.
4
ÍNDICE
CAPITULO I MARCO REFERENCIAL
1.1 Introducción ............................................................................................................. 11

1.2.2 Problema central ................................................................................................ 15
1.3 Objetivos ................................................................................................................ 16
1.3.1 Objetivo general ................................................................................................. 16
1.3.2 Objetivos específicos ........................................................................................... 16
1.4 Hipótesis ................................................................................................................ 16
1.4.1 Operalización de variables .................................................................................. 17
1.5 Justificación ........................................................................................................... 17
1.5.1 Justificación económica ...................................................................................... 17
1.5.2 Justificación social .............................................................................................. 18
1.5.3 Justificación científica ......................................................................................... 18
1.6 Alcances y Limites ................................................................................................. 18
1.6.1 Alcances .............................................................................................................. 18
1.6.2 Limites ................................................................................................................. 18
1.7 Metodología ........................................................................................................... 19
CAPITULO II MARCO TEÓRICO
2.1. Inteligencia Artificial................................................................................................ 20

2.1.3. Características de la inteligencia artificial ............................................................ 20
2.1.4. Propósitos de inteligencia artificial ..................................................................... 21
2.1.5. Diferencias entre sistemas inteligentes y de información .................................... 21
2.1. Sistemas Expertos.............................................................................................. 21
2.2.1. Historia sobre el desarrollo de los sistemas expertos ......................................... 22
2.2.2. ¿Por qué usar un sistema experto?.................................................................... 24
5
2.2.3. Areas de aplicación ............................................................................................ 24
2.2.4. Características de los sistemas expertos ........................................................... 24
2.2.5. Comparación entre sistemas expertos y los tradicionales ................................. 25
2.2.6. Diferencias entre un sistema experto y un sistema tradicional ........................... 25
2.2.7. Diferencias entre un sistema experto y un sistema humano .............................. 26
2.2.8. Tipos de sistemas expertos ................................................................................ 26
2.2.8.1. Sistemas basados en reglas ........................................................................... 27
2.2.8.2. Sistemas basados en probabilidades ............................................................. 27
2.2.8.3. Tipos de acuerdo a la función que realiza ..................................................... 28
2.2.9. Componentes de un sistema experto ................................................................. 28
2.2.10. Fases del desarrollo de un sistema experto.................................................... 32
2.2.11. El equipo de desarrollo ................................................................................... 32
2.2.12. Transferencia de conocimiento ....................................................................... 33
2.2.13. Campos de aplicación de un sistema experto................................................. 35
2.2.14. Ventajas y desventajas de los sistemas expertos ........................................... 36
2.2.15. Limitaciones de los sistema expertos ............................................................. 37
2.2.16. Lenguajes y técnicas con las cuales son aplicables ....................................... 37
2.3. Metodología Buchanan .......................................................................................... 38
2.3.1. Identificación....................................................................................................... 38
2.3.2. Conceptualización .............................................................................................. 39
2.3.3. Formalización ..................................................................................................... 39
2.3.4. Implementación .................................................................................................. 39
2.3.5. Testeo ................................................................................................................ 40
2.4. Redes Bayesianas ................................................................................................. 40
2.4.1 Introducción ........................................................................................................ 40
2.4.2 Definición de las redes bayesianas .................................................................... 41
2.4.3 Tipos de redes bayesianas ................................................................................. 42
2.4.3.1 Redes bayesianas continuas .......................................................................... 42
2.4.3.2 Redes bayesianas dinámicas ......................................................................... 43
2.4.4 Teorema de bayes.............................................................................................. 43
6
2.4.4.1 Definición de Red Bayesiana ............................................................................ 44
2.4.5 Dependencia/ independencia condicional .......................................................... 45
2.4.6 Construcción de sistemas expertos probabilísticos ............................................ 47
2.4.6.1 Selección de variables .................................................................................... 48
2.4.6.2 Adquisición de la información cualitativa ........................................................ 48
2.4.6.3 Adquisición de la información cuantitativa ...................................................... 49
2.4.7 Inferencia Bayesiana .......................................................................................... 50
2.4.8 Aplicaciones de Redes Bayesianas.................................................................... 52
2.5 Trastornos del espectro autista ............................................................................. 53
2.5.1..Clasificación ........................................................................................................ 54
2.5.1 Causas ............................................................................................................... 56
2.5.2 Síntomas ............................................................................................................ 58
2.5.3 Diagnóstico .......................................................................................................... 60
2.5.4 Tratamiento ........................................................................................................ 63
CAPITULO III MARCO APLICATIVO
3.1 Introducción ............................................................................................................ 66

3.2 Implementación de la metodología Buchanan ....................................................... 66
3.2.1 Identificación ....................................................................................................... 68
3.2.1.1 Plan de requisitos ............................................................................................. 68
3.2.1.2 Evaluación y selección del problema ............................................................... 70
3.2.1.3 Obtención de información con la reunión con los expertos ............................ 71
3.2.2 Conceptualización ............................................................................................... 71
3.2.2.1 Extracción el conocimiento ............................................................................... 73
3.2.2.2 Obtención de información probabilística .......................................................... 77
3.2.2.3 Componentes de la base de conocimientos .................................................... 78
3.2.2.4 Definición formal de la base de conocimientos. ............................................... 79
3.2.3 Formalización ....................................................................................................... 82
7
3.2.3.1 Estructura de la modelización de la parte cualitativa y cuantitativa de la red
bayesiana ...................................................................................................................... 82
3.2.3.2 Modelización de la Red Bayesiana para la información Cualitativa .................. 82
3.2.3.3 Modelización de la Red Bayesiana para la información Cuantitativa ................ 86
3.2.4 Implementación ................................................................................................... 88
3.2.4.1. Modelo del motor de inferencia ........................................................................ 88
3.2.4.1 Definición de usuario ........................................................................................ 94
3.2.4.5 Diseño del interfaz del sistema experto basado en redes bayesianas ............. 95
CAPITULO IV EVALUACIÓN DE RESULTADOS
4.1 Introducción ............................................................................................................. 99

4.2 Recolección de datos ............................................................................................. 99
4.3 Análisis de datos ................................................................................................. 100
4.4 Demostración de la hipótesis ............................................................................... 100
CAPITULO V CONCLUSIONES Y RECOMENDACIONES
Conclusiones ............................................................................................................... 103

Recomendaciones....................................................................................................... 104
Bibliografía .................................................................................................................. 105
Anexos ........................................................................................................................ 107
8
ÍNDICE DE TABLAS
Tabla 2.1. Historia de las ramas de la Inteligencia Artificial ......................................... 20

Tabla 2.2. Diferencias entre sistema inteligente y humano ........................................... 21
Tabla 2.4. Diferencia entre sistema experto y un tradicional ......................................... 26
Tabla 2.5.Diferencias entre un Experto Humano y un Experto Artificial ........................ 26
Tabla 3.1. Metodología Buchanan ................................................................................ 66
Tabla 3.2 Características del ATE ................................................................................ 73
Tabla 3.3 Características del Trastorno Regresivo ...................................................... 74
Tabla 3.4 Características del Trastorno de Rett ........................................................... 75
Tabla 3.5 Características del Síndrome de Aspenger .................................................. 76
Tabla 3.6 Datos probabilísticos de los diferentes Trastornos ....................................... 77
Tabla 3.7 Obtención de Variables ................................................................................ 81
Tabla 3.8 Requerimientos para la implementación del SE ............................................ 95
Tabla 4.1 Registro de la valoración de los resultados de los diagnostico ..................... 99
Tabla 4.2 Resultados de la prueba del sistema experto de diagnóstico y tratamiento de
Trastorno del Espectro Autista para niños y niñas menores de 3 años ...................... 100
ÍNDICE DE FIGURAS
Figura 2.0. Primeros Sistemas Expertos ....................................................................... 23

Figura 2.1. Comparación entre un sistema tradicional y un experto ............................. 25
Figura 2.2. Componentes de un Sistema Experto ......................................................... 28
Figura 2.4. Fases del desarrollo de un sistema experto ................................................ 32
Figura 2.5. Relación entre los grupos que intervienen en el desarrollo ......................... 33
Figura 2.6. Ciclo de construccion de un sistema experto .............................................. 34
Figura 2.7. Grafo Divergente ......................................................................................... 41
Figura 2.8. Definición de una Red Bayesiana ............................................................... 45
Figura 2.9. Ejemplo de una red bayesiana cualitativa .................................................. 49
Figura 2.10. Ejemplo de una red bayesiana cuantitativa .............................................. 49
Figura 3.1. Componentes para el desarrollo del Sistema Experto ................................ 67
9
Figura 3.2. Proceso de desarrollo del Sistema Experto ................................................ 67
Figura 3.4. Requisitos mínimos para realizar el SE ...................................................... 69
Figura 3.5. Colaboradores del Sistema Experto ............................................................ 70
Figura 3.6 Visión de la estructura a bajo nivel del sistema experto ............................... 72
Figura 3.7 Modelo de la construcción de la red bayesiana ........................................... 72
Figura 3.8 Componentes de la base de conocimientos................................................. 78
Figura 3.9: Estructura de la modelización de la parte cualitativa y cuantitativa de la red
bayesiana ...................................................................................................................... 82
Figura 3.10: Proceso de diagnóstico de un tipo de Trastorno ...................................... 82
Figura 3.11: Modelo para el diagnóstico del Síndrome de Aspenger ............................ 83
Figura 3.12: Modelo para el diagnóstico del Trastorno Desintegrativo ......................... 83
Figura 3.13: Modelo para el diagnóstico: Trastorno de Rett .......................................... 84
Figura 3.14 RB para el diagnóstico del Aspenger ......................................................... 84
Figura 3.15 RB para el diagnóstico del trastorno de Rett .............................................. 85
Figura 3.16 RB para el diagnóstico del Trastorno Regresivo ........................................ 85
Figura 3.17 Datos probabilísticos cuantitativos ............................................................. 86
Figura 3.18 Datos probabilísticos cuantitativos ............................................................. 86
Figura 3.19 Diagnostico del trastorno regresivo ............................................................ 87
Figura 3.20 RB para diagnosticar la presencia de algún TEA ....................................... 87
Figura 3.21 Red bayesiana a plantear en el programa Elvira ...................................... 88
Figura 3.22 Ejemplificación de la Red Bayesiana inicial para el diagnóstico de TEA ... 90
Figura 3.23 Información posteriori de una RB ............................................................... 91
Figura 3.24 Información posteriori de una RB cuando nodos hijos están en estado
presente ........................................................................................................................ 92
ausente ......................................................................................................................... 93
Figura 3.26 Estructuración del sistema experto ............................................................ 94
Figura 3.27 Interfaz del prototipo del SE ....................................................................... 96
10
CAPITULO I MARCO REFERENCIAL
1.1 Introducción
Hoy en día la rama de la informática nos ayuda a representar y permite el tratamiento

automático de la información es complicado encontrar un campo en donde no se use
esta maravillosa ciencia.
Actualmente la informática está muy aplicada en muchos campos de estudio por no

decir en todos, pero para la resolución de este problema nos basaremos en estas áreas
como medicina, psicología, educación, neurología.
La inteligencia artificial (IA), es la rama de las ciencias de la computación que estudia

el software y hardware necesarios para simular el comportamiento y comprensión
humanos y objetivo último es de simular la inteligencia humana en una máquina
creando robots o sistemas que sean conscientes y con sentimientos reales, similares a
los humanos. Uno de los problemas más difíciles es la simulación de la conciencia,
cualidad humana que hace que nos demos cuenta de nuestra propia existencia.
Los sistemas expertos (SE), es una rama de la inteligencia artificial, es un sistema

basado en conocimiento capaz de resolver un tipo específico de problema, por medio
de la emulación de las capacidades de un experto humano (y en nuestro caso,
capacidades de varios expertos humanos). Para contribuir tal tipo de sistema, es
preciso que exista un experto en resolver problemas de algún área particular del
conocimiento humano. Sin experto no hay sistema experto posible [Nilsson, 2001]
[Giarratano, 2001].
Un SE es básicamente un programa de computadora, basado en conocimientos y

raciocinio que lleva a cabo tareas que generalmente sólo realiza un experto humano,
es decir es un programa que imita el comportamiento humano, en el sentido de que
utiliza la información que le es proporcionada para poder dar una opinión sobre un
tema en especial.
11
Es interactivo, contiene la experiencia, conocimiento y habilidad propios de una
persona o grupo de personas especialistas en un área particular del conocimiento
humano, de manera que permitan resolver problemas específicos de ése área de
manera inteligente y satisfactoria. Los usuarios que introducen la información al SE son
en realidad los expertos humanos, y nuestro trabajo consiste en estructurar y modelar
los conocimientos mediante redes bayesianas.
Redes bayesianas (RB), organizan un problema mediante un conjunto de variables y

las relaciones de dependencia entre ellas. Dado este modelo, se puede hacer
inferencia bayesiana es decir, estimar la probabilidad posterior de las variables no
conocidas, en base a las variables conocidas. Estos modelos bayesianos poseen
diferentes aplicaciones para diagnóstico, clasificación y decisión que brinde información
importante en cuanto a cómo se relacionan las variables, las cuales pueden ser
interpretadas como relaciones de causa-efecto.
Las redes bayesianas son elaboradas basándose en conocimientos de expertos,

desarrollando diversas técnicas para aprender a partir de ciertos datos que estructuran
parámetros asociados al modelo, siendo posibles compartir conocimientos obtenidos
de los datos del caso de estudio.
Trastornos del espectro autista (TEA), se define como un conjunto de trastornos

complejos del desarrollo neurológico, caracterizado por dificultades en las relaciones
sociales, alteraciones de la capacidad de comunicación, y patrones de conducta.
La necesidad de los padres de familia de saber la enfermedad que tienen sus hijos,
debido a que tiene uno o varios trastornos, y de saber cuál es el remedio o la
intervención necesaria para que su hijo empiece a dar signos de mejoría es la principal
problemática.
El TEA o también conocido como trastornos generalizados del desarrollo (TGD), y son
considerados trastornos neuropsiquiátricos que presentan una gran variedad de
12
manifestaciones clínicas y causas orgánicas, y afectan de forma diversa y con distinto
grado de intensidad a cada individuo
Se considera que la incidencia de autismo a nivel mundial es de tres a seis niños de

cada 1.000, existiendo cuatro veces más probabilidades de aparición en los
varones que en las mujeres, sin distinción entre razas, nivel socioeconómico o área
geográfica.
1.2 Planteamiento del problema
1.2.1 Antecedentes
En la evolución histórica del estudio Trastornos del Espectro Autista, se distinguen dos
periodos cualitativamente distintos, estableciendo un punto de inflexión a mediados de
los años 60. Encontramos un primer periodo, que abarcaría desde el año 1943 hasta
mediados de los años 60, y un segundo periodo que abarcará unos años de progresiva
mejora de los conocimientos.
Estos trastornos neurológicos complejos que generalmente dura toda la vida, es parte
de un grupo de trastornos conocidos como trastornos del espectro autista. Se presenta
en cualquier grupo racial, étnico y social, y es cuatro veces más frecuente en los niños
que en las niñas. El autismo daña la capacidad de una persona para comunicarse y
relacionarse con otros. También, está asociado con rutinas y comportamientos
repetitivos, tales como arreglar objetos obsesivamente o seguir rutinas muy
específicas. Los síntomas pueden oscilar desde leves hasta muy severos.
Los trastornos del espectro autista se pueden diagnosticar formalmente desde los 6
meses a la edad hasta los 3 años, porque en este tiempo demuestran su desarrollo
cerebral, Normalmente son los padres quienes primero notan comportamientos poco
comunes en su hijo o la incapacidad para alcanzar adecuadamente los hitos del
desarrollo infantil. Algunos padres explican que su hijo parecía diferente desde su
nacimiento y otros, que iba desarrollándose normalmente y luego perdía aptitudes.
Puede que inicialmente los pediatras descarten las señales del autismo pensando que
13
el niño podrá alcanzar el nivel deseado y les aconsejan a los padres que esperen y
vean cómo se desarrolla. Nuevas investigaciones muestran que cuando los padres
sospechan que hay algo mal con su hijo, generalmente están en lo correcto.
Actualmente no existen medios efectivos para prevenir el autismo, ni tratamientos

totalmente eficaces o cura. Sin embargo, las investigaciones indican que una
intervención temprana en un entorno educativo apropiado, por lo menos por dos años
durante la etapa preescolar, puede tener mejoras significativas para muchos niños
pequeños con trastornos del espectro autista. Tan pronto como se diagnostique el
autismo, la intervención temprana debe comenzar con programas eficaces, enfocados
en el desarrollo de habilidades de comunicación, socialización y cognoscitivas.
Según la Trastorno Generalizada Desarrollada (TGD) se caracterizan por una

perturbación grave y generalizada de varias áreas del desarrollo: habilidades para la
interacción social, habilidades para la comunicación o la presencia de
comportamientos, intereses y actividades estereotipados. Las alteraciones cualitativas
que definen estos trastornos son claramente impropias del nivel de desarrollo o edad
mental del sujeto. Aparte del autismo o Trastorno Autista, los TGD incluyen los
siguientes trastornos:
 Síndrome de Rett
 Trastorno Desintegrativo de la infancia
 Síndrome de Aspenger
La evidencia científica coincide en establecer que los síntomas de los trastornos del
espectro del autismo son el resultado de alteraciones generalizadas del desarrollo de
diversas funciones del sistema nervioso central.
Las causas del autismo se desconocen en una generalidad de los casos, pero muchos
investigadores creen que es el resultado de algún factor ambiental que interactúa con
una susceptibilidad genética.
Actualmente en Bolivia existen aproximadamente hasta junio del año pasado, existen
220 niños registrados en el Centro de educación Especial (CEE), y existen una gran
14
cantidad de niños que no han sido diagnosticados y viven en familias donde no reciben
un mejor trato o trato especial y una educación especial, no haciendo valer ciertos
derechos que se les facultan por ley.
Revisando la bibliografía que existente no se ha podido encontrar algún SE, sin

embargo se encontró una tesis de grado en la carrera de Informática de la Universidad
Mayor de San Andrés relacionada a esta área que estamos estudiando, se puede
mencionar:
Tesis de Grado “Sistema Experto para el diagnóstico de la Ansiedad en personas

mayores” realizado en el año 2003 por Carlos Conde Luna, en este trabajo se
desarrolla un sistema experto para diagnosticas ciertos trastornos mentales que
sufren las personas de la tercera edad, se desarrolló mediante modelos difusos,
implementa los módulos de Fuzzificación y Defuzzificación.
1.2.2 Problema central
En la actualidad en Bolivia, el problema de Trastornos del Espectro Autista (ATE), es

un problema de salud que se inicia desde el desarrollo de un niño pero se desconoce
su causa principal y no existe la forma de un diagnóstico completo y rápido.
Los especialistas por falta de información, en los varios exámenes que debe realizarse
por varios profesionales, dificulta determinar un diagnostico verídico y confiable.
Tanto en la ciudad como en las aéreas rurales, el diagnóstico es dificultoso, y el

problema sigue desarrollando, y mientras no se pueda determinar la existencia del
trastorno el niño o niña vive en un ambiente se soledad e indiferencia.
Si el trastorno no se trata debidamente, puede llegar a descontrolarse la enfermedad y

el niño puede desarrollar conductas más inapropiadas y agresivas, debido a falta de un
tratamiento apropiado y efectivo.
En Bolivia las autoridades no apoyan con centros de educación especial para niños con
estos problemas y los padres no saben cómo tratar a los niños cuando se diagnostica
dicho Trastorno.
15
¿De qué manera se puede determinar la existencia de algún trastorno en el
espectro autista (TEA), en niños y niñas menores de 3 años, de tal forma que se
pueda obtener un diagnostico verídico, confiable y tratar el trastorno de la forma
más apropiada y efectiva ?
1.3 Objetivos
1.3.1 Objetivo general
Desarrollar un SE, para el diagnóstico de Trastornos del Espectro Autista en niños y

niñas menores de 3 años con la ayuda de Redes Bayesianas, que permita dar un
diagnóstico completo y confiable, de manera que pueda brindar un tratamiento que nos
ayude a desarrollar las habilidades motoras sensoriales.
1.3.2 Objetivos específicos
 Adquirir los conocimientos heurísticos de los expertos relacionados con los

trastornos del espectro autista, para su incorporación con el sistema.
 Construir el modelo del sistema experto.
 Estructurar el conocimiento sobre los diferentes tipos de trastornos.
 Diseñar las redes bayesianas.
 Analizar y diseñar el motor de inferencia del sistema experto.
 Diseñar un prototipo de la interfaz, para una mejor relación entre sistema y
usuario.
1.4 Hipótesis
El Sistema Experto para el diagnóstico y tratamiento de Trastornos del Espectro

Autista, por medio de conocimientos, hechos y el uso de las Redes Bayesianas,
permiten diagnosticar los diferentes tipos de trastornos, para así apoyar en el trabajo
del, similar al de los profesionales que diagnostican estos Trastornos, con un nivel de
confianza del 75% o superior.
16
1.4.1 Operalización de variables
En base a la hipótesis planteada, se puede identificar una variable independiente
Vi, otra variable Vd y una variable V int, con la siguiente relación.
Figura 1.0 Tipos de Variables
Fuente: [Elaboración Propia]
Dónde:
V independiente: Sistema Experto para el Diagnostico del Autismo
V dependiente: Diagnostico
V interviniente: Redes Bayesianas
1.5 Justificación
1.5.1 Justificación económica
El sistema experto va beneficiar a que los padres de familia ahorren económicamente

en el diagnóstico de dicho trastorno, ya que para este trabajo es necesario acudir a
varios profesionales como educadoras especiales, psicólogos, médicos, pediatras y
otros especialistas que realizan estudios para diagnosticar y brindar algún tipo de
tratamientos que el niño o niña necesita para el mejor desarrollo en los problemas que
presenta.
17
1.5.2 Justificación social
El sistema experto ayudara de gran manera a la sociedad, en especial a los padres de

familia y a la familia que rodeara al niño ya que también nos ayudara a cómo tratar a
estos niños con capacidades diferentes e instituciones involucradas para diagnosticar
dichos trastornos
En los centros de ayuda a personas con este tipo de trastorno, será de gran beneficio,
ya que no cuentan con sistemas de diagnóstico rápido y podrán derivar el caso a los
especialistas pertinentes.
1.5.3 Justificación científica
El presente trabajo proporcionara un aporte teórico de mucha importancia en los que se

refiere a las investigaciones en el área de la inteligencia artificial utilizando Redes
Bayesianas, muy utilizada en diversos campos y relacionada con los Sistemas
Expertos que emula el conocimiento del experto humano, creando así nuevas
alternativas de soluciones.
1.6 Alcances y Limites

1.6.1 Alcances
El alcance del presente trabajo que será un sistema de diagnóstico ayudara de gran
utilidad a centros de ayuda a personas con este tipo de trastornos, padres y familiares
que rodean a estos niños, ya que son los más interesados por que ellos ayudaran a
enfrentar de la mejor maneja y coadyuvaran en el tratamiento del trastorno.
1.6.2 Limites
El presente solo se limitara al diagnostico y tratamiento de ciertos tipos de trastornos

del espectro autista. La investigacion se apoyara en especialistas del area de
psicologia y educacion especial. El sistema experto solo abarca un aporte al area de
salud, ademas como un apoyo, no pretende desplazar a un profesional medico. Las
pruebas del sistema se realizara en un ambiente lo más real posible, también el
prototipo contara con una descripción detallada de las características de cada tipo de
trastorno y será realizado específicamente para niños y niñas menores de 3 años,
18
1.7 Metodología
Para obtener el conocimiento de la problemática planteada y desarrollar la

investigación se optó por utilizar el método científico, para el proceso de investigación
que permitirá medir los resultados de los prototipos mediante los procesos de
observación, planteo de hipótesis, diseño de la aplicación, prueba o experimentación y
conclusión.
El “método científico" se entiende aquellas prácticas utilizadas y ratificadas por la
comunidad científica como válidas a la hora de proceder con el fin de exponer y
confirmar sus teorías. Las teorías científicas, destinadas a explicar de alguna manera
los fenómenos que observamos, pueden apoyarse o no en experimentos que
certifiquen su validez. Sin embargo, hay que dejar claro que el mero uso de
metodologías experimentales, no es necesariamente sinónimo del uso del método
científico, o su realización al 100%. Se define el método científico de la siguiente
manera:
1. Observación, es aplicar atentamente los sentidos a un objeto o a un fenómeno,

para estudiarlos tal como se presentan en realidad, puede ser ocasional o
causalmente.
2. Inducción, la acción y efecto de extraer, a partir de determinadas observaciones o
experiencias particulares, el principio particular de cada una de ellas.
3. Hipótesis, planteamiento mediante la observación siguiendo las normas
establecidas por el método científico.
4. Experimentación para probar la hipótesis.
5. Demostración de Resultados.
Para el diseño del sistema experto se utilizada la metodología Buchanan que tiene
como pilar básico la adquisición de conocimiento de distintas fuentes como ser libros,
expertos y otros [PACO, 2012].
19
CAPITULO II MARCO TEÓRICO
2.1. Inteligencia Artificial
La inteligencia artificial se conceptualiza con saber elegir la solución con arte o ingenio
del hombre y relacionada con una analogía artificial a través de programas de
computador.
La inteligencia artificial puede ser tomada como científico si se enfoca hacia la

elaboración de programas basados en comparaciones con la eficiencia del hombre,
contribuyendo a un mayor entendimiento del conocimiento humano.
Si por otro lado es tomada como ingeniería, basada en una relación deseable de
entrada-salida para sintetizar un programa de computador. “El resultado es un
programa de alta eficiencia que funciona como una poderosa herramienta para quien la
utiliza”, “De la información a la informática” [Roger Loaiza, 2005].
2.1.1. Historia de la inteligencia artificial
La inteligencia Artificial representa un gran volumen de conocimiento y técnicas que

han sido desarrolladas por muchos investigadores desde finales de la década de 1950.
Durante este periodo han aparecido numerosas definiciones de I.A., pero ninguna ha
sido de aceptación general.
Tabla 2.1. Historia de las ramas de la Inteligencia Artificial

Fuente: [Márquez, 2005]
2.1.3. Características de la inteligencia artificial
20
 Usan símbolos matemáticos.
 El comportamiento de los programas no es descrito por el algoritmo.
 El razonamiento basado en el conocimiento, implica que estos programas
incorporan factores y relaciones del mundo real y del ámbito del conocimiento en
que ellos operan.
 Aplicabilidad a datos y problemas más estructurados, sin las técnicas de I.A. los
programas no pueden trabajar con este tipo de problemas.
2.1.4. Propósitos de inteligencia artificial
 Reproducir las acciones y el razonamiento de los seres vivos inteligentes en

dispositivos artificiales, cuyo objetivo es conseguir una teoría comprensiva de la
inteligencia tal y como aparece en animales y maquinas.
 Identificar procedimientos, métodos y técnicas que se asocien a la capacidad de
pensar y razonar hasta de manera inteligente. En este proceso pretende
automatizar las tareas del pensamiento y razonamiento humano, proveyendo un
modelo cognitivo de sus funcionamientos.
[García Martínez & Britos, 2004].
2.1.5. Diferencias entre sistemas inteligentes y de información
Tabla 2.2. Diferencias entre sistema inteligente y humano

Fuente: [Briz, 2000]
2.1. Sistemas Expertos
21
Un sistema experto, es un programa de computadora basado en conocimientos y
raciocinio que lleva a cabo tareas, generalmente solo realiza un experto humano, es
decir es un programa que imita el comportamiento humano en el sentido de que utiliza
la información que le es proporcionada para poder dar una opinión sobre un tema en
especial. La tarea principal de un S.E. es tratar de aconsejar al usuario.
Los usuarios que introducen la información al Sistema Expertos son en realidad los
expertos humanos, y tratan a su vez de estructurar los conocimientos que poseen para
ponerlos entonces a disposición del sistema. Los Sistema Expertos son útiles para
resolver problemas que se basan en conocimiento.
2.2.1. Historia sobre el desarrollo de los sistemas expertos
En 1950 Alan Turing público un trabajo titulado “inteligencia y funcionamiento de las

maquinas” con el fin de demostrar hasta qué punto estas tienen inteligencia. Más tarde
en 1965 se empezaron a utilizar técnicas para resolución de problemas que se
caracterizaban en la solución heurística como modelo de la solución de problemas, con
ella comenzó el desarrollo de sistemas expertos.
Los sistemas expertos proceden inicialmente de la inteligencia artificial a mediados de

los 60. En ese periodo se creía que bastaban unas pocas leyes de razonamiento junto
con potentes ordenadores para producir resultados brillantes. Un intento en ese sentido
fue llevado a cabo por los investigadores Alan Newell y Herbert Simón que
desarrollaron un programa denominado GPS (General ProblemSolver; solucionador
general de problemas) podía trabajar con criptoaritmetica, con la torrez de Hanói y con
otros problemas similares. Lo que no podía hacer el GPS era resolver problemas del
mundo real, tales como un diagnóstico médico.
A partir de 1965, un equipo dirigido por Edward Feigenbaum, comenzó a desarrollar

sistemas expertos utilizando bases de conocimientos definidas minuciosamente.
En 1967 se construye Dendral, que se convierte como el primer sistema experto. Se

utilizaba para identificar estructuras químicas moleculares a partir de su análisis
espectro gráfico.
22
Se llega a la conclusión de que el éxito de un Sistema Experto depende caso
exclusivamente de la calidad de su base de conocimiento.
De esta manera nacieron los Sistemas Expertos.
Figura 2.0. Primeros Sistemas Expertos
Fuente: [Patrick Henry, 1992]
Entre 1980 a 1985 surgen empresas dedicadas a desarrollar Sistemas Expertos, las
cuales que supusieron en conjunto una inversión total de más de 300 millones de
dólares. Los productos más importantes que creaban estas nuevas compañías eran las
23
"máquinas LISP", las cuales consistían en unos ordenadores que ejecutaban
programas LISP con la misma rapidez que en un ordenador central.
2.2.2. ¿Por qué usar un sistema experto?
Se pueden obtener conclusiones y resolver problemas de forma más rápida que los
expertos humanos. Estos sistemas razonan pero en base a un conocimiento adquirido
y no tienen sitio para la subjetividad. Se ha comprobado que tienen al menos, la misma
competencia que un especialista humano.
Su uso es especialmente recomendado en las siguientes situaciones:
 Cuando los expertos humanos en una determinada materia son escasos.

 En situaciones complejas, donde la subjetividad humana puede llevar a
conclusiones erróneas.
 Cuando es muy elevado el volumen de datos que ha de considerarse para
obtener una conclusión.
2.2.3. Areas de aplicación
Los sistemas expertos se aplican a una gran diversidad de campos y/o áreas. A
continuación se listan algunas de las principales: Militar, Química, Geología,
Electrónica, Medicina, Informática, Derecho, Arqueología, Transporte, Industria,
Telecomunicaciones, Aeronáutica, Agricultura, Educación, Finanzas y Gestión.
2.2.4. Características de los sistemas expertos
24
 Utilizan normas o estructuras que contengan conocimientos y experiencias de
expertos especializados.
 Contienen datos ambiguos.
 Contienen datos afectados por factores de probabilidad.
 Poseer habilidad para inferir nuevos conocimientos ya existentes.
 Tener la capacidad de procesar símbolos.
 Utilizan grades cantidades de datos en forma de bases de conocimientos para
producir varias salidas, como recomendaciones de acción o diagnóstico.
 Son heurísticos, razonan usando reglas dadas por los expertos que saben que
son útiles para resolver ciertas situaciones.
 Explican el razonamiento, explican el método utilizado para formular la
recomendación
 Funcionan cuando faltan datos y a cambios en las reglas.
2.2.5. Comparación entre sistemas expertos y los tradicionales
Comparación entre un sistema tradicional y un experto.
Figura 2.1. Comparación entre un sistema tradicional y un experto
Fuente: [Carlos Soto, 2008]
2.2.6. Diferencias entre un sistema experto y un sistema tradicional
25
Veamos algunas diferencias entre estos tipos de sistemas.
Tabla 2.4. Diferencia entre sistema experto y un tradicional

Fuente: [Quispe, 2005]
2.2.7. Diferencias entre un sistema experto y un sistema humano
El uso de heurísticas para determinar las soluciones es la mayor contribución a la

potencia de los Sistemas Expertos y es lo que los distingue de los sistemas de software
tradicionales. Encontrar expertos humanos suele ser difícil y costoso económicamente.
Diferencias entre un Experto Humano y un Experto Artificia
Tabla 2.5.Diferencias entre un Experto Humano y un Experto Artificial

Fuente: [Carlos Soto, 2008]
2.2.8. Tipos de sistemas expertos
26
Los problemas con los que pueden tratar los sistemas expertos pueden clasificarse
fundamentalmente en dos tipos: problemas esencialmente deterministas y problemas
esencialmente estocásticos. Por ejemplo un problema determinista pueden ser
formulados usando un conjunto de regla que relacionen varios objetos bien definidos
(Sistemas basados en reglas) y problema estocástico, en el campo médico las
relaciones entre síntomas y enfermedades se conocen sólo con un cierto grado de
certeza (la presencia de un conjunto de síntomas no siempre implica la presencia de
una enfermedad).
Consecuentemente, los sistemas expertos pueden clasificarse en dos tipos principales

según la naturaleza de problemas para los que están diseñados los más conocidos
son:
2.2.8.1. Sistemas basados en reglas
Algunos sistemas expertos usan la misma estructura de los sistemas basados en

reglas, pero introducen una medida asociada a la incertidumbre de las reglas y a la de
sus premisas. En este caso se pueden utilizar algunas fórmulas de propagación para
calcular la incertidumbre asociada a las conclusiones. Durante las últimas décadas han
sido propuestas algunas medidas de incertidumbre. Algunos ejemplos de estas
medidas son los factores de certeza (medidas difusas).
2.2.8.2. Sistemas basados en probabilidades
La distribución conjunta de un conjunto de variables se usa para describir las relaciones

de dependencia entre ellas, y se sacan conclusiones usando fórmulas muy conocidas
de la teoría de la probabilidad.
Los sistemas expertos que utilizan la probabilidad como medida de incertidumbre se

conocen como sistemas expertos probabilístico y la estrategia de razonamiento que
usan se conocen con el nombre de sistemas expertos probabilísticos.
El problema de estos sistemas es que suponen que se conoce la función de

probabilidad conjunta de todas las enfermedades y síntomas. Por ejemplo, para un
27
caso de diagnóstico médico con 100 enfermedades binarias y 100 síntomas binarios se
requieren más de 1060 parámetros para especificar la función de probabilidad conjunta.
Los modelos de redes probabilísticas utilizan grafos para definir relaciones de

dependencia entre las variables del modelo y simplificar la estructura de la función de
probabilidad conjunta.
2.2.8.3. Tipos de acuerdo a la función que realiza
Se refiere a la función que realizan, de acuerdo al propósito que fue creado para
brindar apoyo a los diferentes expertos en diferentes campos y así reducir el tiempo de
análisis y observaciones que se presenten: predicción, diagnostico, interpretación,
diseño, monitoreo, depuración, introducción, control, asesoramiento.
2.2.9. Componentes de un sistema experto
A continuación se muestran los componentes de un sistema experto.
Figura 2.2. Componentes de un Sistema Experto
Fuente: [Samper, 2000]
EXPERTO
28
Es el ingeniero que construye la base de conocimiento de una forma sencilla, así como
disponer de una herramienta de ayuda para actualizar la base de conocimiento cuando
sea necesario.
Si bien estos módulos no existen en todos los sistemas basados expertos, o bien están
desarrollados o implementados de maneras diferentes, la función que desempeñan es
muy interesante en el desarrollo de estos sistemas
Módulo de adquisición del conocimiento
Permite la construcción y actualización de la base de conocimiento de forma sencilla.
Tiene como objetivo: acumular nuevo conocimiento, reestructuración de conocimiento

existente, activar procesos que mejoran la performance del sistema a partir de la
nueva información.
El conocimiento puede introducirse por el experto o por el ingeniero de conocimiento

(en este caso el modulo puede contener funciones de interface con el usuario) o
provenir directamente de sensores, base de datos, otro software.
El motor de inferencia
Es el núcleo del SE ya que poseen en acción los elementos de la base de

conocimientos para construir los razonamientos. También llamado intérprete de reglas,
es un módulo que se encarga de las operaciones de búsqueda y selección de las
reglas a utilizar en el proceso de razonamiento.
Por ejemplo, al tratar de probar una hipótesis dada, el motor de inferencia ira
disparando reglas que irán deduciendo nuevos hechos hasta la aprobación o rechazo
de la hipótesis objetivo.
Aunque el motor de inferencia, sea un programa procedimental en el sentido habitual

del término la forma en que utiliza el conocimiento nunca está prevista por el
programador.
29
Las categorias de mecanismo de Inferencia son: deterministico que lo inferido es una
verdad universal y probabilisticos son predicciones o probabilidades que no siempre
son ciertas.
Base de datos (hechos)
Contiene información sobre el problema particular que el S.E. debe resolver.
Es una memoria auxiliar o de trabajo que contiene a la vez los datos sobre la situación
concreta en la cual se va a realizar la aplicación (hechos iníciales que describen el
enunciado del problema a resolver) y los resultados intermedios obtenidos a lo largo del
procedimiento de deducción. Y depende exclusivamente de la situación estudiada.
Se trata de una memoria temporal auxiliar que almacena los datos del usuario, datos
iníciales del problema, y los resultados intermedios obtenidos a lo largo del proceso de
resolución. A través de ella se puede saber no sólo el estado actual del sistema sino
también cómo se llegó a él.
Base de conocimientos (reglas)
Es una estructura de datos que contienen una gran cantidad de información sobre un
tema específico, generalmente introducida por un experto en dicho tema (se puede
asociar a una memoria permanente, sobre el cual se desarrolla la aplicación).
El conocimiento se puede representar mediante cálculo de predicados, listas, objetos,

redes semánticas y/o reglas de producción.
Este conocimiento lo constituye la descripción de: objetos a tener en cuenta y sus

relaciones y casos particulares o excepcionales y diferentes estrategias de resolución
con sus condiciones de aplicación (meta-conocimientos, es decir, conocimiento sobre
el conocimiento).
30
Sistema de explicación
Que le brinda al usuario una explicación de cómo se llegaron a las conclusiones.
Importante en la etapa de desarrollo ya que aporta una ayuda considerable al

ingeniero del conocimiento para refinar el funcionamiento del motor de inferencia, al
experto a la hora de construir y verificar la coherencia de la base de conocimiento.
Permite trazar el camino tomado en el razonamiento (inferencias efectuadas). Este

módulo aporta una ayuda considerable al informático para refinar la gestión del motor
de inferencia y le es igualmente útil al experto, en la construcción y verificación de la
coherencia de la base de conocimiento y explica, también, al usuario, como ha
deducido tal hecho y porque plantea tal cuestión.
Interfaz de usuario
También denominado sistema de consulta. Es el que gobierna el dialogo entre el

usuario y el sistema. Su objeto es el de permitir un dialogo en un lenguaje cuasi-
natural con la máquina. Además, este módulo “traduce” el español (o cualquier otra
lengua) al lenguaje interno y viceversa.
Esta interface comunica al motor de inferencia las consultas del usuario y a este último
los resultados de la consulta. Y a la inversa. Permite, igualmente obtener el enunciado
del problema inicial y los objetivos a alcanzar así como la consulta a la base de
conocimientos.
31
2.2.10. Fases del desarrollo de un sistema experto
A continuación se explica un abreve descripción de cómo desarrolla un sistema

experto.
Figura 2.4. Fases del desarrollo de un sistema experto
Fuente: [Weiss y Kulikowski, 1984]
2.2.11. El equipo de desarrollo
Las personas que participan en el desarrollo de un Sistema Experto desempeñan tres

papeles distintos:
 El experto: que pone sus conocimientos especializados a disposición del

Sistema Experto.
 El ingeniero de conocimientos: que plantea las preguntas el experto, estructura
sus conocimientos y los implementa en la base de conocimiento.
 El usuario: que aporta sus deseos y sus ideas, determinando especialmente el
escenario en el que debe aplicarse el Sistema Experto.
32
En la fase de desarrollo, el peso principal de trabajo recae en el ingeniero del
conocimiento y en el Experto.
Figura 2.5. Relación entre los grupos que intervienen en el desarrollo
Fuente: [Elaboración propia]
En el desarrollo del Sistema Experto, el ingeniero de conocimiento y el experto trabajan

muy unidos. El primer paso consiste en elaborar los problemas que deben ser resueltos
por el sistema. Precisamente en la primera fase del proyecto es de vital importancia
determinan correctamente el ámbito estrechamente delimitado de trabajo.
2.2.12. Transferencia de conocimiento
La transferencia de experiencia se efectúa del experto al SE, ayudado por el ingeniero

del conocimiento.
La disciplina que interviene en la transferencia de experiencia se denomina ingeniería

de conocimiento o cognimatica.
Este proceso se descompone en cuatro fases o etapas:
 Análisis del problema.

 Adquisición de conocimiento y conceptualización.
 Formalización y representación del conocimiento y validación.
33
El encadenamiento de estas fases se representa en la siguiente Figura
Figura 2.6. Ciclo de construccion de un sistema experto
Fuente:[Addison Wesley, 1992]
Fase 1: Analisis del problema
Se determina el ambito de trabajo. Aquí se incluye ya el usuario posterior, o un

representante del grupo de usuarios es primordial tener en cuenta los deseos y las
ideas del usuario.
Fase 2: Adquisicion de conocimientos y conceptualizacion
El objetivo consiste en identificar todos los elementos que intervienen en la solucion de

problemas (conceptos, procedimientos, reglas de inferencia, heuristicos, casos
especiales, metodos de razonamiento, restricciones, etc.).
La informacion se puede obtener de distintas fuentes, dialogo con los expertos,

informacion escrita, por observacion, grafico y otros.
Fase 3: Formalizacion y representacion del conocimiento
La actividad en esta fase del ingenierio del conocimiento se concreta en la siguientes

tareas:
 Eleccion de un formalismo de representacion del conocimiento.
34
 Eleccion de una arquitectura que permita coordinar y manejar los distintos tipos
de elementos que intervienen en la solucion de problema.
 Creacion de la base de conocimiento utilizando el formalismo y la arquitectura
elegida.
 Diseno de la interfaz del SE con el usuario y con el resto del entorno logico.
Fase 4: Verificación
En esta fase de determina las reglas y se incorporan a la base de conocimientos.
2.2.13. Campos de aplicación de un sistema experto
Aprendizaje: Que el propio ordenador adquiera el conocimiento.
Redes Neuronales: Nodos conectados con otros mediante enlaces simulando

conexiones neuronas (visión artificial, razonamiento, aprendizaje, lenguaje).
Redes Bayesianas: Técnica para tratar el razonamiento con incertidumbre. Donde los
nodos son hechos ciertos o no y los enlaces entre los nodos son las probabilidades
condicionadas de unos hechos con otros. Propagando las probabilidades, se pueden
obtener los resultados más probables a partir de los hechos.
Algoritmo genético: Métodos de aprendizaje inspirados en la evolución natural. Usan
nociones de individuos, apareamiento, recombinación de cromosomas, mutación
genética, adaptación y selección natural, base de investigación en vida artificial.
Data Mining: Para obtener conocimiento en bases de datos.
TAREAS ESPECÍFICAS DE LOS SISTEMAS EXPERTOS
Sistemas de ayuda a la toma de decisiones: Para cierta problemática sugieren la

solución que consideran más idónea a partir del conocimiento incluido en el sistema.
Configuración: Seleccionar y planificar los componentes necesarios en un proceso.
Diagnóstico: A partir de unos síntomas se determinan las causas que lo producen.
Planificación: Establecen etapas y recursos necesarios para alcanzar un objetivo.
35
Interfaces inteligentes: Hacen de puente entre la personas y equipos complejos y de
difícil utilización (interfaces inteligentes a base de datos).
Diseño: Efectúan planificación o trazado de un objeto o sistema según requisitos.

Suelen dar diferentes soluciones de forma que el usuario pueda elegir.
Interpretación y análisis: para tratar grandes volúmenes de información.
Monitorización: Monitorizar procesos dando una salida de control (tiempo real).
Predicción: Infiere las consecuencias de las situaciones actuales.
Tutor: Ayuda en el aprendizaje.
Consultor: Indica cómo hacerlo.
Asistente inteligente: Provee apoyo a decisiones.
2.2.14. Ventajas y desventajas de los sistemas expertos
Ventajas
 Producción y productividad mayores. Pueden trabajar más rápido que lo

humanos. Están disponibles ininterrumpidamente de día y noche, ofreciendo
siempre su máximo desempeño.
 Dan la probabilidad de aumentar la calidad proporcionando asesoría consistente
y reduciendo las tasas de error.
 Operan en entornos hostiles y peligrosos.
 Facilidad de trasmitir experiencia a través de fronteras internacionales.
 Siempre se ajustan a las normas establecidas y son consistentes en su
desempeño,
 No padece de olvido, fatiga, dolor o comete errores de cálculo.
 Accesibilidad al conocimiento y escritorios de vida. Hacen accesible el
conocimiento (y la información) a mucha gente en diversos lugares.
 Pueden tener una vida de servicio ilimitada.
 Capacidad para trabajar con información incompleta o inconcreta.
36
 Mejora la solución de problemas permitiendo la integración de juicios de
expertos de primera línea en el análisis.
 Reducción del tiempo para la toma de decisiones.
Desventajas
 Tienen una noción muy limitada acerca del contexto de problema.

 Pueden existir decisiones que sólo son de competencia para un ser humano y
no una máquina.
 No saben cómo subsanar sus limitaciones.
 Son muy costosos de desarrollar y mantener.
 El conocimiento es difícil de extraer de los expertos humanos.
 La aproximación de cada experto a la situación evaluada puede ser diferente.
 Tienen una noción muy limitada acerca del contexto del problema, no pueden
percibir todas las cosas que un experto humano puede apreciar de una
situación.
2.2.15. Limitaciones de los sistema expertos
El desarrollo de un S.E. complejo puede ser difícil, costoso y requerir de tiempo, por lo
tanto es importante asegurarse sé que los posibles beneficios valen el esfuerzo y que
las diversas características del S.E. se equilibran, en términos de costos, control y
complejidad.
2.2.16. Lenguajes y técnicas con las cuales son aplicables
Algunas herramientas son Lisp, Prolog, son entornos de desarrollo:
Lisp (ListProcesing) creado en 1958, basado en reglas. Estructuras de datos en listas,

implementación rápida de modelos y de fácil modificación, con la desventaja de la
lentitud.
Prolog (programación lógica) lenguaje declarativo (no describe secuencialmente el

algoritmo).
37
A partir de datos deduce nuevos hechos y resuelve problema (incluye motor de
inferencia), con principal aplicación: manejo de datos relacionales.
Lenguajes orientados a objetos (C++): ahora muy habituales por su buen rendimiento,
Características de una herramienta para la construcción de un SE. :
 Posibilidades para el desarrollo de prototipos

 Un motor de inferencia
 Un método o varios para la representación del conocimiento
 Una o varias técnicas para el manejo de la incertidumbre
 Un generador de interfaces gráficos (no siempre).
2.3. Metodología Buchanan
En la adquisición de conocimiento el ingeniero de conocimiento procede a través de

una serie de etapas para producir un sistema experto.
Se destacan 5 etapas fundamentales: Identificación, conceptualización, formalización,

implementación, testeo.
2.3.1. Identificación
El proceso de identificación abarca desde la lectura de libros o artículos, las entrevistas

o charlas con las personas familiarizadas con el tema y la búsqueda de un experto que
esté dispuesto a colaborar en la construcción del sistema; así también la definición de
cuáles son las funciones o tareas más idóneas para ser realizadas por el sistema
experto, así se identifican los participantes, y roles, recursos, fuentes de conocimiento y
los objetos y metas.
Entre los participantes se encuentran: expertos del dominio, ingenieros de

conocimientos, usuarios.
Estas tareas son importantes para determinar que lenguajes y que sistema se usara: el
ingeniero de conocimiento debe sentirse cómodo respecto del dominio del problema,
como para conversar inteligentemente con el experto.
38
2.3.2. Conceptualización
Por medio de entrevistas con el experto, con el objetivo de identificar y caracterizar el

problema informalmente. El experto de campo y el ingeniero de conocimiento definen el
alcance del sistema experto es decir, que problemas va a resolver concretamente el
sistema experto.
2.3.3. Formalización
Se identifican los conceptos relevantes e importantes; El resultado de formalizar el

diagrama de información conceptual y los elementos de sus problemas es una
especificación parcial para construir para construir un prototipo de la base de
conocimiento.
Procesos de traducción de:
 Conceptos claves.
 Subproblemas.
 Características del flujo de información.
Construcción de representación formales basadas en:
 Herramienta de desarrollo.
 Esquema de ingeniería del conocimiento.
2.3.4. Implementación
El ingeniero del conocimiento deberá a medida que se desarrolla el prototipo ver que el
formalismo usado es el apropiado para reflejar los conceptos y el proceso de inferencia
del experto. Las características de la construcción del lenguaje la estrategia usada por
el experto. [MARTINEZ, 2009]. En resumen se formaliza el conocimiento obtenido del
experto, se elige la organización, el lenguaje de programación [MAYDA, 2012].
39
2.3.5. Testeo
Se observa el comportamiento del prototipo, el funcionamiento de la base de

conocimiento y la estructura de las inferencias, verificándose que el sistema experto
posea eficiencia.
Además de:
 Evaluación del rendimiento del prototipo construido.
 Identificación de anomalías en base de conocimientos y mecanismos de

inferencia.
2.4. Redes Bayesianas

2.4.1 Introducción
Las redes bayesianas organizan un caso problema mediante un conjunto de variables

y las relaciones de dependencia entre ellas. Dado este modelo, se puede hacer
inferencia bayesiana; es decir, estimar la probabilidad posterior de las variables no
conocidas, en base a las variables conocidas. Estos modelos bayesianos poseen
diferentes aplicaciones para diagnóstico, clasificación y decisión que brinde información
importante en cuanto a cómo se relacionan las variables, las cuales pueden ser
interpretadas como relaciones de causa-efecto.
Las redes bayesianas son elaboradas basándose en un conocimiento experto

desarrollando diversas técnicas para aprender a partir de ciertos datos que estructuran
parámetros asociados al modelo, siendo posibles compartir conocimientos obtenidos
de los datos del caso de estudio.
Las redes bayesianas son centro de investigación para el que existen diferentes
propuestas de algoritmos, tanto para la realización de inferencias como para su uso en
el aprendizaje. Existen distintas aplicaciones de interés para las redes bayesianas:
sistematización, diagnostico, predicción y clasificación entre otras.
40
2.4.2 Definición de las redes bayesianas
Una Red Bayesiana es un modelo probabilístico que relaciona un conjunto de variables

aleatorias mediante un grafo dirigido, son redes graficas sin ciclos en el que se
representan variables aleatorias y las relaciones de probabilidad que existan entre ellas
que permiten conseguir soluciones a problemas de decisión en casos de incertidumbre.
Una red bayesiana es una representación ilustrada de dependencias para

razonamiento probabilístico, en la cual los nodos representan variables aleatorias y los
arcos simbolizan relaciones de dependencia directa entre las variables.
Un ejemplo muy simple puede ayudarnos a describir el funcionamiento de una red

bayesiana.
Consideremos simplemente una variable aleatoria Z dependiente de otras dos (factores

F1 y F2).
Figura 2.7. Grafo Divergente
Una red Bayesiana es una herramienta informática a la que puede crearse diferentes
modelos dependiendo del caso de estudio según la concepción que tenga el diseñador
y de las condiciones del comportamiento de las variables. En esta herramienta
sobresale debido a que no solo permite un proceso hacia atrás (backward), por ejemplo
como una operación financiera que ha sido realizada en términos de riesgos
operacionales; sino también hacia adelante (forward) donde la red puede calcular las
probabilidades de pérdida o de beneficio usando la regla de Bayes.
41
La estructura del modelo bayesiano permite capturar las relaciones de dependencia
que existe entre los atributos de los datos que se estudien, describiendo la distribución
de probabilidad que administra un conjunto de variables especificando los cálculos de
independencia condicional junto con probabilidades condicionales. Así, las redes
permiten especificar relaciones de independencia entre conjuntos de variables, lo que
las convierte en una solución de independencia.
2.4.3 Tipos de redes bayesianas
El problema Principal en el momento de construir una red Bayesiana consiste en el

tratamiento de variables discretas y continuas de forma simultánea, debido a las
restricciones del modelo condicional que con lleva al proceso de discretización. Las
redes bayesianas se pueden clasificar según en función del tipo de variables utilizadas.
2.4.3.1 Redes bayesianas continuas
Las redes bayesianas continuas son aquellas que tienen un número infinito de posibles
valores. En este tipo de redes resulta complicado determinar explícitamente las
probabilidades condicionadas para cada valor de las variables, así que las
probabilidades condicionadas se representan mediante una función de probabilidad.
La mayoría de las variables reales son de carácter continuo como por ejemplo la
variación de la temperatura. Una red Bayesiana cuyas variables sean todas continuas y
estén todas representadas mediante funciones normales lineales, tiene una distribución
normal multivariada. Este tipo de variables debe ser manejada mediante el proceso de
discretización debido a la gran cantidad de datos que deben ser modelados por medio
de selección de rangos y de este modo hacer más sencillo el proceso de discretización.
Los métodos supervisados y no supervisados corresponden a la división del proceso de

discretización de las variables. En los métodos no supervisados, la variable
correspondiente a la clase no es considerada por los atributos continuos y los valores
son discretizados independientemente. El método más simple es dividir el rango de
valores cada atributo, en intervalos, utilizando la información sobre los valores de los
atributos.
42
Los métodos supervisados tienen en cuenta la variable clase, y los puntos de división
que construye los rangos de cada atributo son elegidos según el valor de la clase.
2.4.3.2 Redes bayesianas dinámicas
Las redes Bayesianas dinámicas consienten en la exposición de procesos que

contienen una variable aleatoria en cada intervalo de tiempo. El proceso que se está
estudiando puede entenderse como una serie de procesos en un instante de tiempo.4
El estado de las variables se representa en un lapso de tiempo para poder representar

los procesos dinámicos conocidos dentro de la red bayesiana. Las probabilidades
condicionales de este modelo no cambian con el tiempo. Es decir, se repite las etapas
temporales y las relaciones entre dichas etapas.
La inferencia en una red bayesiana dinámica es la misma que para una red bayesiana,
y por esto se emplean los mismos métodos. Esta inferencia resulta mediante la
reproducción de los intervalos de tiempo, hasta que la red sea lo suficiente larga para
captar todas las observaciones.
2.4.4 Teorema de bayes
Descubierto por Thomas Bayes en 1761.El teorema de Bayes gobierna el proceso de

inferencia lógica, determinando el grado de confianza que debemos tener, con varias
posibles conclusiones, basadas en el cuerpo de la evidencia disponible. Esto es
exactamente el proceso de razonamiento predictivo.
El teorema es ampliamente usado en la teoría de la probabilidad, según (Russell y
Norving, 2003) subyace a todos los sistemas modernos de inferencia probabilística. El
teorema es derivado de la fórmula de probabilidad condicional y permite establecer la
probabilidad a posteriori de una variable Y, dado un conjunto de eventos X.
El conocimiento a priori puede ser combinado con los datos observados para
determinar la probabilidad final de cada hipótesis. La probabilidad a priori se determina
43
asignando una a cada hipótesis inicialmente y considerando la distribución de
probabilidad en los datos observados para cada hipótesis posible.
Un inconveniente que tiene este tipo de razonamiento es que requiere conocimiento
inicial de muchas probabilidades, cuando no se conocen es preciso
estimarlas, así como el posible coste computacional.
2.4.4.1 Definición de Red Bayesiana
Según (Susi, 2007) y (Castillo, 1997) una Red Bayesiana es un par (D,P) , donde Des
un grafo a cíclico dirigido (GAD) tal que los nodos representan las variables del
problema X=(X1,X2,...,Xn) y los arcos representan las dependencias probabilísticas, y
P={ p(X1|pa(X1)),...,p(Xn|pa(Xn)) } es un conjunto de n distribuciones de probabilidad
condicionada, una para cada variable, siendo pa(Xi) el conjunto de padres del nodo
X en el grafo D. Donde además el cálculo de la probabilidad conjunta del problema se
obtiene mediante el producto de los elementos de P, tal que:
Definición formal de red bayesiana
Antes de definir formalmente las redes bayesianas, vamos a definir algunos conceptos
de teoría de grafos y teoría de la probabilidad:
Arco. Es un par ordenado (X, Y). Esta definición de arco corresponde a lo que en otros
lugares se denomina arco dirigido. En la representación gráfica, un arco (X,Y) viene
dado por una flecha desde X hasta Y.
Grafo dirigido. Es un par G = (N, A) donde N es un conjunto de nodos y a un conjunto
de arcos definidos sobre los nodos.
Grafo no dirigido. Es un par G = (N,A) donde N es un conjunto de nodos y A un
conjunto de arcos no orientados (es decir, pares no ordenados (X,Y)) definidos sobre
los nodos.
Camino. Es una secuencia ordenada o no ordenada de nodos.

Camino dirigido. Es una secuencia ordenada de nodos.
44
Ciclo: Es un camino no dirigido que empieza y termina en el mismo nodo X.
Grafo a cíclico: Es un grafo que no contiene ciclos.
Padre. X es un padre de Y si y sólo si existe un arco X -->Y. Se dice también que Y es
hijo de X. Al conjunto de los padres de X se representa como par (X), y al de los hijos
de X por S(X).
Antepasado o ascendiente. X es un antepasado o ascendiente de Z si y sólo si existe
un camino dirigido de X a Z.
Conjunto ancestral de un nodo X es un conjunto que contiene a X y a todos sus
antepasados.
Descendiente. Z es un descendiente de X si y sólo si X es un antepasado de Z. Al
conjunto de los descendientes de X lo denotaremos por de(X).
Variable proposicional es una variable aleatoria que toma un conjunto exhaustivo y
excluyente de valores. La denotaremos con letras mayúsculas, por ejemplo X, y a un
valor cualquiera de la variable con la misma letra en minúscula, x
.
Figura 2.8. Definición de una Red Bayesiana
Fuente: [Karina Figueroa, 2008]
2.4.5 Dependencia/ independencia condicional
Una variable A y otra B son dice que son dependientes mutuamente, si sabe loque vale
A me ayuda a conocer lo que vale B.
45
La dependencia entre A y B se dice que es una dependencia condicional, si A y B son
dependientes.
Por ejemplo:
Si yo sé que el tipo de animal es mamífero, esta información me ayuda a adivinar que

hábitat es tierra, luego tipo de animal y hábitat son dependientes mutuamente. Ahora
bien, si yo sé que animal es ballena, esto me ayuda a adivinar que hábitat es agua.
En este caso saber qué tipo de animal es mamífero no nos ayuda para adivinar que
hábitat es agua.
Es decir, que si yo sé el animal, la información sobre tipo de animal no me ayuda a
saber el hábitat. Luego tipo de animal y hábitat no son dependientes mutuamente si yo
sé el animal.
Más formalmente diremos:
Sean X, Y y Z tres variables aleatorias discretas, se dice por definición que X es
condicionalmente independiente de Y dada Z, si la distribución de probabilidad que
gobierna X es independiente del valor de Y conociendo el valor de Z , es decir si:
P(X =x | Y = y, Z =z) = P(X =x | Z =z), para todo valor de x , y y z.
Por comodidad la definición anterior se escribe de la siguiente forma:
P(X | Y, Z) = P(X | Z).
Se puede ampliar esta definición al caso de varias variables aleatorias, por definición
se dice que un conjunto de variables aleatorias X1, ...Xh son condicionalmente
independientes de un conjunto de variables aleatorias Y1, ... Ym dado el conjunto de
valores Z1, .. Zn si
P(X1, ...Xh | Y1, ... Ym , Z1, ... Zn) = P(X1, .. Xh | Z1, ... Zn)
En el clasificador bayesiano sencillo se asume que existe independencia condicional
entre el atributo Ai y el atributo Aj de la misma instancia conocido el valor de la
clasificación v.
46
2.4.6 Construcción de sistemas expertos probabilísticos
La base de conocimiento de un sistema experto probabilístico está formada por un

conjunto de variables y una distribución de probabilidad conjunta sobre ellas. Tenemos
dos alternativas para especificar la base de conocimiento: la primera en la cual
hacemos uso de una tabla de la distribución conjunta (esta aproximación resulta
inabordable incluso par problemas con un numero de variables pequeños o bien hacer
uso de modelos más sofisticados que (utilizando relaciones de independencia entre
variables) factorizen la distribución en funciones de tamaño menor.
En este caso, los pasos que tenemos que seguir a la hora de diseñar el sistema
experto son:
Planeamiento del problema: tener una buena definición del problema es un paso
crucial a la hora de obtener un buen sistema experto, ya que de ello dependen en gran
medida la calidad de los resultados que obtengamos.
Consideremos el siguiente ejemplo:
Ejemplo
En una consulta médica estamos interesados en la construcción de un sistema experto

que, ante un conjunto de sistemas que presenta un determinado paciente, nos ayude a
determinar.
(a) Cuál es la enfermedad más probable?

(b) Que tratamiento tenemos que suministrar?
En concreto imaginemos la siguiente situación hipotética:
Tenemos dos posibles enfermedades, amigdalitis y la otra más extrema, como

padecer de un cáncer de cerebro.
 Si consideramos los síntomas que pueden aparecer encontramos:

 Cuando el paciente presenta amigdalitis los síntomas que aparecen son dolor de
cabeza y fiebre.
47
 Si el paciente tiene cáncer en el cerebro, no aparecen los síntomas hasta que no
se ha producido una metástasis de las células cancerosas. En este caso, los
síntomas son dolor de cabeza y mareas
 Por otro lado consideramos los tratamientos de las enfermedades tenemos que:
 Si un paciente tiene amigdalitis, entonces se propone un tratamiento en base a
penicilina (TA) con un costo bajo. Sin embargo, si este tratamiento es
proporcionado a un paciente alérgico a la penicilina podemos provocarle fuertes
reacciones. Es este caso, se prefiere aplicar un segundo tratamiento, (TB), más
costosos, pero que no le es perjudicial.
 Por otro lado, si un paciente padece de cáncer, tenemos que el tratamiento TA
carece de eficacia, siendo el tratamiento TB el más aconsejable.
2.4.6.1 Selección de variables
Consiste en seleccionar el conjunto de variables que son relevantes para tener una
buena definición del problema (esta tarea debe ser realizado por los expertos en el
problema a analizar).
2.4.6.2 Adquisición de la información cualitativa
Si disponemos de un experto le pediremos que muestre las relaciones de relevancia

entre las variables que definen el problema. En este proceso es importante que el
experto también determine las acciones de independencia de variables. Es de gran
utilidad en esta etapa el apoyarse en modelos gráficos ya que permiten de forma
explícita mostrar las relaciones de relevancia entre las variables.
Cuando no disponemos de un experto para diseñar la estructura de dependencia,

podemos utilizar técnicas que, partiendo de una base de ejemplos, permiten construir
de forma automática la red.
48
Ejemplo: Para nuestro problema, el experto nos puede dar la siguiente red:
Figura 2.9. Ejemplo de una red bayesiana cualitativa
2.4.6.3 Adquisición de la información cuantitativa
Este último paso consiste en asignarle valores a las distribuciones de probabilidad

conjunta que tenemos que almacenar en cada nodo en la red. En los últimos dos pasos
es muy conveniente que el experto puede colaborar con especialistas en Estadística,
por ejemplo para nuestro problema, supongamos que tenemos las siguientes
distribuciones de probabilidad condicionadas.
Figura 2.10. Ejemplo de una red bayesiana cuantitativa
49
Para este ejemplo, si quisiéramos presentar la tabla completa de la distribución
conjunta necesitaremos de 512 valores, mucho mayor que los 25 que realmente hemos
tenido que proporcionar.
2.4.7 Inferencia Bayesiana
La incertidumbre es natural en el proceso de razonamiento donde se pueden

establecer reglas para inferir de manera deductiva una proposición determinada que
puede ser verdadera o falsa, según sea el límite de esta estimación. Dentro de los
métodos de razonamiento se encuentran los Modelos Bayesianos, que simulan
diferentes condiciones de incertidumbre cuando no se conoce si es verdadera o falsa la
hipótesis enunciada en un rango de variación.
Todos los modelos bayesianos tienen en común la asignación de la probabilidad como

medida de creencia de una hipótesis, así es que, la inferencia es un proceso de
reajuste de medidas de creencia al conocerse nuevos axiomas.
Cuando se utilizan evidencias y observaciones para establecer que una suposición sea
cierta, es lo que se denomina como Inferencia Bayesiana. La inferencia bayesiana
observa la evidencia y calcula un valor estimado según el grado de creencia planteado
en la hipótesis. Esto implica que al tener mayor cantidad de datos disponibles se podrá
obtener resultados más satisfactorios.
La ventaja fundamental del uso de la inferencia bayesiana radica en la utilidad que se

le da para la toma de decisiones, actualmente su uso es frecuente porque se obtienen
resultados más acertados en el contexto de parámetros desconocidos.2
Debido a que la inferencia bayesiana está fundada en un método basado en datos

históricos, puede captar las situaciones en que la dinámica del mercado muestre una
firme estrategia de cambios importantes, lo cual proporciona un buen indicador de las
condiciones futuras del mercado.
Aplicando la inferencia Bayesiana es posible identificar distintos tipos de patrones

administrativos. Además, se puede investigar acerca de los efectos y las condiciones
del mercado por medio de la estimación de un modelo probabilístico.
50
También se puede estudiar y analizar las deficiencias futuras de las actividades
operacionales de una empresa, con la aplicación del método de inferencia bayesiana,
el cual no deberá basarse sólo en datos históricos, sino que se debe incluir el análisis
de los diferentes escenarios para poder predecir un comportamiento futuro y la
gravedad del riesgo; esto con el fin de mejorar las políticas de gestión de riesgos.
Modo de inferencia
El proceso de inferencia será basado en el algoritmo de paso de mensajes de Kim y

Pearl (Kim y Pearl, 1983), explicado también en (Korb y Nicholson, 2004), el cual, es
similar al de inferencia por enumeración, sin embargo considera la comunicación
bidireccional, es decir de padres a hijos y viceversa, lo que permite establecer
razonamiento de diagnóstico como de predicción. Por otro lado, el algoritmo almacena
valores parciales en base a los mensajes phi y lambda, recibidos de los nodos padres e
hijos respectivamente (Korb y Nicholson, 2004). Esto permite tener un pre-cálculo de
probabilidades que ahorra tiempo para la siguiente vez.
A continuación describiremos los valores usados en el algoritmo de inferencia,

considerando que un nodo actual X tiene un conjunto de padres U y un conjunto de
hijos Y.
Probabilidad lambda
Es el valor que se usa para realizar un diagnóstico. Se obtiene a través de la
contribución de cada enlace saliente del nodo actual, es decir por el conjunto de nodos
hijos.
Probabilidad phi
Es el valor que da soporte a la inferencia predictiva, y es la contribución de cada enlace
entrante a X, es decir, los padres de X.
51
Mensaje lambda
El nodo actual X calcula nuevos mensajes para enviarlos a cada uno de sus padres. En
este caso la propagación del mensaje se realiza de abajo hacia arriba.
Mensaje phi
El nodo X calcula los nuevos mensajes para enviarlos a sus hijos, como se muestra en
la figura 8. Esto mantiene actualizado a sus nodos padres con respecto a la
propagación de evidencia vía X.
2.4.8 Aplicaciones de Redes Bayesianas
La utilización de las redes bayesianas ha sido muy difundida en diferentes campos

como en la manipulación de sistemas expertos en la medicina, en la depuración de
programas de inteligencia artificial, en la genética, en procesos de producción; todos
estos enfocados a la solución de problemas y en la identificación de probabilidades que
disminuyan riesgo, como es el uso primordial que se le da en la rama financiera. El uso
que se le da a la redes bayesiana en el estudio y tratamiento de datos, consiste
básicamente con mejorar el esquema de prevención de riesgo operacional; tal que
sirva como sistema de ayuda a la toma de decisiones en una situación de emergencia y
realizar mejoras en las estrategias de operacionales.
Las redes bayesianas como herramienta de gestión de riesgo son de suma importancia
para el gremio financiero debido a sus grandes aportes en la definición de condiciones
probabilísticas de inferencia, con un amplio manejo de variables.
Las redes bayesianas son utilizadas para representar el conocimiento en métodos de

razonamiento, explotación de información, análisis de los deudores del sistema
52
financiero y predicción de ventas; basados en la teoría de la probabilidad, tal que se
pueda predecir el valor de las variables no observadas y explicar los resultados
arrojados de las variables observadas. El uso de las redes bayesianas permiten
aprender sobre relaciones de dependencia y combinar conocimiento con nuevos datos.
Teorema de Bayes
En la práctica, se utiliza para conocer la probabilidad a posteriori de cierta variable de

interés dado un conjunto de hallazgos (ya no es condicional)
Hallazgos: determinación del valor de una variable, a partir de un dato (un

observación, una medida)
Evidencia: conjunto de todos los hallazgos disponibles en un determinado momento.
Probabilidad a priori: es la probabilidad de un variable o subconjunto de variables

cuando no hay ningún hallazgo. Coincide con la probabilidad marginal p(x).
Probabilidad a posteriori: es la probabilidad de una variable o subconjunto de

variables dad la evidencia e. Se trata de la probabilidad condicional p(xle).
2.5 Trastornos del espectro autista
Los TEA se define como un conjunto de trastornos complejos del desarrollo

neurológico, caracterizado por dificultades en las relaciones o interacciones sociales,
alteraciones de la capacidad de comunicación, sentidos sensoriales y patrones de
conducta estereotipados, restringidos y repetitivos.
Son considerados trastornos neuropsiquiátricos que presentan una gran variedad de

manifestaciones clínicas y causas orgánicas que afectan de forma diversa y con
distinto grado de intensidad a cada individuo, esto significa que dos personas con el
mismo diagnóstico pueden comportarse de diferente manera y tener aptitudes distintas.
Se considera que la incidencia de autismo a nivel mundial es de tres a seis niños de

cada 1.000, existiendo cuatro veces más probabilidades de aparición en los
53
varones que en las mujeres, sin distinción entre razas, nivel socioeconómico o área
geográfica.
2.5.1..Clasificación
Las TEA presentan manifestaciones diversas donde encontramos desde niños
totalmente aislados, sin relación interaccionar con las personas, con una tendencia a la
repetición de actividades motoras y con una falta completa del desarrollo del lenguaje y
comunicación alternativa, hasta niños con un lenguaje muy desarrollado, casi sin
alteraciones aparentes y con niveles cognitivos que le permite su permanencia siempre
con algún apoyo en la escuela de nivel regular y en algunos casos, con habilidades a
nivel de inteligencia que pueden superar la media normal en un área específica del
desarrollo.
Esta distinción no se refiere a aspectos específicamente diagnósticos, ni persigue fines

de etiquetamiento sino que permite una evaluación adecuada para determinar en qué
punto del lenguaje, social, cognitivo, académico y otras áreas específicas (analiza 12
áreas), el niño quedo detenido en su desarrollo.
Una descripción general de esos distintos grados es la siguiente.
Trastorno Autista
Se refiere al grado más profundo del trastorno, conocido como el Trastorno de Leo
Kanner, quien describió el trastorno por primera vez, en 1941, dándole el nombre de
Autismo Infantil Precoz.
Algunas de sus características son:
 Evita mirar a los ojos.

 Falta del Desarrollo del lenguaje.
 Tendencia al aislamiento.
 Movimientos repetitivos recurrentes
 Ausencia de comunicación Alternativa
 Aislamiento.
54
Autismo Regresivo
Se refiere a una de las formas más características en que hoy se presenta el Trastorno
Autista. Se piensa como el prototipo de la forma más característica que se manifiesta
en la actualidad y se denomina Regresivo por la pérdida de capacidades adquiridas
No se presenta tan asiduamente como hace algunas décadas, el autismo profundo sino
que se manifiesta un tipo particular del espectro autista donde hay un desarrollo, en
algunos casos, aparentemente normal y en otros un desarrollo normal hasta
aproximadamente los 18 meses, en algunos casos el desarrollo puede ser normal
hasta el año, 15 meses y luego aparece una pérdida de las capacidades que el niño
había adquirido, a saber:
 Pérdida y evitación del Contacto Ocular

 Pérdida del lenguaje
 Perdida del Juego y la Interacción Social
 Pérdida de la Comunicación
 Aislamiento progresivo
 Aparecen conductas repetitivas
Autismo de Alto Funcionamiento
Este es un tipo particular de manifestación del Trastorno del Espectro Autista donde
sus primeras manifestaciones suelen ser confundidas con Déficit de Atención o
trastornos de otro tipo, ya que no se presentan las manifestaciones agudas del
trastorno desde el inicio.
Hay lenguaje desarrollado y procesos cognitivos integrados que le pueden permitir en

algunos casos, una permanencia en la Escuela Regular sin que se haya descubierto o
sin que se hayan manifestado todas las características en el comportamiento.
Se percibe una dificultad para relacionarse con sus iguales y una serie de
comportamientos e intereses rutinarios que progresivamente se van transformando
hacia características que la mayoría suele sostener como del tipo obsesivas.
55
Sus principales características son:
 Lenguaje aparentemente normal

 Torpeza motora generalizada
 Aprendizaje casi normal
 Ideas obsesivas
 Conductas rutinarias
 Gran capacidad de memoria
 Rigidez mental
 Falta o dificultades para expresar emociones
Síndrome de Asperger
Las personas que padecen del SA pasan desapercibidas entre la gente. Solo en su
entorno se nota que son “raros”, se aíslan, hablan siempre de sus intereses, son fríos y
a veces dicen cosas muy duras sin parecer que les afecte en nada.
Algunas de sus características:

 Lenguaje aparentemente normal
 Aprendizaje normal con dificultades de Atención
 Falta o Dificultad para expresar y entender las emociones
 Son rutinarios, solitarios y tienen ideas de tipo obsesivas.
 Pueden ser muy inteligentes (más que la media normal) en un área del
desarrollo.
 Son Literales
 Torpeza Motora generalizada
Esta diferenciación permite establecer una evaluación cognitiva adecuada desde el

punto de las habilidades básicas del sujeto, de sus potenciales y de sus déficits y
permite también establecer un seguimiento progresivo y controlado en su evolución.
2.5.1 Causas
Con frecuencia las causas del autismo son desconocidas, aunque en muchos casos se
sospecha que se debe a cambios o mutaciones en los genes, no todos los genes
56
involucrados en el desarrollo de esta enfermedad han sido identificados. Las
investigaciones científicas han relacionado la aparición del autismo en el niño con las
siguientes causas:
 Agentes genéticos como causa del autismo: se ha demostrado que en el

trastorno autista existe una cierta carga genética. En estudios clínicos
desarrollados con mellizos, se ha observado que cuando se detecta el trastorno
en uno de los hermanos, existe un alto porcentaje (en torno a un 90%) de
probabilidades de que el otro hermano también lo desarrolle. Si el estudio se ha
llevado a cabo en el ámbito familiar, las estadísticas muestran que existe un 5%
de probabilidades de aparición en el neonato en el caso de que tenga un
hermano con el trastorno, que es una probabilidad bastante superior a la que
tendría en el caso de que no existieran antecedentes documentados en su
familia. Estos datos indican claramente una carga genética ligada al trastorno
autista. Las investigaciones tienen por objeto determinar los genes involucrados
en la aparición del trastorno, y ya han establecido la relación directa entre la
inhibición del gen de la neuroligina NL1 y el desarrollo de autismo, aunque se
sabe que hay más genes implicados.
 Agentes neurológicos como causa del autismo: se han constatado
alteraciones neurológicas, principalmente en las áreas que coordinan el
aprendizaje y la conducta, en aquellos pacientes diagnosticados de trastornos
del espectro autista.
 Agentes bioquímicos como causa del autismo: se han podido determinar
alteraciones en los niveles de ciertos neurotransmisores, principalmente
serotonina y triptófano.
 Agentes infecciosos y ambientales como causa del autismo: determinadas
infecciones o exposición a ciertas sustancias durante el embarazo pueden
provocar malformaciones y alteraciones del desarrollo neuronal del feto que, en
el momento del nacimiento, pueden manifestarse con diversas alteraciones
como, por ejemplo, trastornos del espectro autista.
57
2.5.2 Síntomas
La mayoría de los padres de niños con TEA sospechan que algo no está bien cuando
el niño tiene 6 meses y buscan ayuda hacia los 2 años de edad. Los niños con TEA se
caracterizan por presentar problemas en:
 Juegos actuados
 Interacciones sociales
 Comunicación verbal y no verbal
Algunos niños parecen normales antes del primer o segundo año de vida y luego
presentan una regresión súbita y pierden las habilidades del lenguaje o sociales que
habían adquirido con anterioridad.
Los síntomas pueden variar de moderados a graves.
Una persona con autismo puede:
 Ser extremadamente sensible en cuanto a la vista, el oído, el tacto, el olfato o el

gusto (por ejemplo, puede negarse a vestir ropa "que da picazón" y se angustia
si se lo obliga a usarla).
 Experimentar angustia inusual cuando le cambian las rutinas.
 Efectuar movimientos corporales repetitivos.
 Mostrar apegos inusuales a objetos.
Los problemas de comunicación pueden abarcar:
 Es incapaz de iniciar o mantener una conversación social.

 Se comunica con gestos en vez de palabras.
 Desarrolla el lenguaje lentamente o no lo desarrolla en absoluto.
 No ajusta la mirada para observar objetos que otros están mirando.
 No se refiere a sí mismo correctamente (por ejemplo, dice: "Quieres agua",
cuando en realidad quiere decir: "Quiero agua").
58
 No señala para dirigir la atención de otras personas hacia objetos (ocurre en los
primeros 14 meses de vida).
 Repite palabras o memoriza pasajes, como comerciales.
Interacción social:
 No hace amigos.
 No participa en juegos interactivos.
 Es retraído.
 Es posible que responda al contacto visual o a las sonrisas o puede evitar el
contacto visual.
 Puede tratar a otros como si fueran objetos.
 Prefiere pasar el tiempo solo y no con otros.
 Muestra falta de empatía.
Respuesta a la información sensorial:
 No se sobresalta ante los ruidos fuertes.

 Presenta aumento o disminución en los sentidos de la visión, el oído, el tacto, el
olfato o el gusto.
 Los ruidos normales le pueden parecer dolorosos y se lleva las manos a los
oídos.
 Puede evitar el contacto físico porque es muy estimulante o abrumador.
 Frota superficies, se lleva objetos a la boca o los lame.
 Parece tener un aumento o disminución en la respuesta al dolor.
Juego:
 No imita las acciones de otras personas.

 Prefiere el juego ritualista o solitario.
 Muestra poco juego imaginativo o actuado.

59
Comportamientos:
 Actúa con ataques de cólera intensos.

 Se dedica a un solo tema o tarea.
 Tiene un período de atención breve.
 Tiene intereses muy restringidos.
 Es hiperactivo o demasiado pasivo.
 Muestra agresión a otras personas o a sí mismo.
 Muestra gran necesidad por la monotonía.
 Utiliza movimientos corporales repetitivos.
2.5.3 Diagnóstico
Los trastornos del espectro autista pueden variar ampliamente en los síntomas
manifestados y en la gravedad de estos, pudiendo pasar completamente desapercibido
en el caso de que los síntomas sean muy leves, o se encuentren enmascarados por
otras patologías más graves o con sintomatología más marcada.
Aunque el diagnóstico del autismo siempre debe ser realizado por un equipo
multidisciplinar (neurólogo, psicólogo, psiquiatra, terapeuta del lenguaje y, en
ocasiones, otros profesionales especialistas en este tipo de trastornos), existen ciertos
síntomas que pueden hacer sospechar de la presencia de este trastorno. Estos
síntomas son:
Síntomas del autismo en el primer año (lactante)
 El bebé muestra escaso interés por el entorno.

 Es capaz de permanecer un tiempo prolongado en la cuna sin requerir atención.
 Ausencia de respuesta al abrazo de la madre.
 Al cabo de cuatro meses de vida no muestra sonrisa social.
 Pueden existir muestras de alegría no justificadas en casi ninguno de los casos
de tipo social.
 No muestra interés ni respuesta ante el rostro materno.
60
 No es capaz de diferenciar a los familiares.
 Ausencia de interés social.
 Indiferente al juego y carantoñas.
 Llanto no justificado de tiempo prolongado.
 Ausencia de respuesta ante la verbalización de su nombre.
Segundo y terceraño
 Ausencia de respuestas emocionales hacia los familiares más cercanos (padres,

abuelos, hermanos, etc).
 Ausencia total o falta muy intensa de comunicación verbal.
 Ausencia total o falta muy marcada de contacto visual.
 Desarrollo de movimientos repetitivos estereotipados (automecerse, golpearse la
cabeza, aletear las manos).
 Carencia de respuesta dolorosa.
 Temor ante los ruidos.
 Llanto no controlable sin agente causal aparente.
 Ausencia de juego con objetos.
 Retraso en la adquisición de hábitos de higiene personal.
 Control de esfínteres ausente o deficiente.
Síntomas del autismo en la niñez
 Mismos rasgos distintivos que en etapas anteriores, pero tienden a acentuarse

en lugar de atenuarse, como en el resto de los niños.
 No son capaces de vestirse solos correctamente sin supervisión externa.
 No se relacionan con otros niños y no tienden al juego social ni imaginativo,
prefiriendo la soledad.
 Tendencia compulsiva al orden de los objetos (alineación de las cosas). Por lo
general, el niño suele mostrar patrones de interés anormales en intensidad y
enfoque, y son muy restringidos (muestra interés anormal y excesivo por un
abanico escaso de cosas).
61
 Comunicación de vivencias y autoexperiencias bajo o inexistente.
 La comunicación verbal es escasa y defectuosa. En muchos casos de tipo
repetitivo e inusual.
 Aparición de arrebatos contra sí mismo o contra el entorno, sin aparente agente
causal, y de intensidad elevada.
Síntomas del autismo en la adolescencia-adultez
 En esta etapa los síntomas son similares a los del retraso mental, ya que
dependen de factores como:
 Lenguaje: presentan dificultades para expresar necesidades, lo que puede
ocasionar frustración y otras alteraciones emocionales.
 Hábitos de autoayuda: el sujeto tiende hacia la independencia en labores en
las que suele precisar ayuda externa para su correcta ejecución, tales como
higiene personal, alimentación, vestimenta. Solo a través del entrenamiento
precoz el sujeto podrá lograr esa independencia de ejecución.
El diagnóstico del trastorno autista se compone de distintas pruebas cognitivas y de

lenguaje, así como una evaluación neurológica detallada. El objetivo de estas pruebas,
además del propio diagnóstico de la enfermedad, es descartar que se trate de otras
patologías, como los trastornos de audición o la esquizofrenia (aunque las personas
con esquizofrenia pueden mostrar determinadas conductas de carácter similar al
autismo, por lo general sus síntomas no suelen manifestarse hasta el final de la
adolescencia o el comienzo de la edad adulta, y suelen presentar alteraciones de
percepción como alucinaciones y delirios, inexistentes en las personas con trastornos
del espectro autista).
En función del grado de afectación y las habilidades comprometidas, los sujetos son
diagnosticados de un tipo u otro de alteración del espectro autista. Así, los niños con
síntomas autistas pero con habilidades de lenguaje bien estructuradas y desarrolladas,
suelen ser diagnosticados de “Síndrome de Asperger”, mientras que si reúnen un
conjunto marcado de síntomas de carácter autista, pero no los suficientes para
62
conformar autismo clásico, se suele realizar un diagnóstico de “Trastorno generalizado
del desarrollo no especificado”.
2.5.4 Tratamiento
En este momento, no existe cura para el TEA. La intervención temprana, apropiada e

intensiva mejora en gran medida el pronóstico de la mayoría de los niños pequeños con
TEA. La mayoría de los programas se basan en los intereses del niño en un programa
de actividades constructivas altamente estructurado.
El mejor plan de tratamiento puede utilizar una combinación de técnicas que abarcan:
 Análisis del comportamiento aplicado.

 Medicamentos
 Terapia ocupacional
 Fisioterapia
 Terapia del lenguaje y del habla
Pero el tratamiento más necesario para un niño con TEA es el del Aprendizaje, por lo
que es más recomendable usar tratamientos con métodos de aprendizajes repetitivos.
Análisis del comportamiento aplicado (aba)
Este programa es para niños pequeños. Puede ser efectivo en algunos casos. ABA
utiliza enseñanza uno a uno que refuerza la práctica de diversas destrezas. El objetivo
es acercar al niño a un funcionamiento del desarrollo normal.
Los programas de ABA por lo regular se realizan en la casa del niño, bajo la
supervisión de un psicólogo del comportamiento. Estos programas pueden ser muy
costosos y no han sido adoptados ampliamente por los sistemas escolares. Los padres
a menudo deben buscar fondos y conseguir personal a partir de otros recursos, lo cual
puede ser difícil de encontrar en muchas comunidades.
63
Teacch
Otro programa es denominado Tratamiento y Educación de Niños Autistas y con

Impedimentos Relacionados con la Comunicación. Este programa fue desarrollado en
todo el estado de Carolina del Norte. Éste utiliza un esquema de figuras y otras
indicaciones visuales que permiten al niño trabajar en forma independiente, al igual que
organizar y estructurar sus ambientes.
Medicamentos
No existe ningún medicamento para tratar el TEA en sí mismo; sin embargo, con
frecuencia se utilizan medicamentos para tratar problemas emocionales o de
comportamiento que puedan tener las personas con TEA, como:
 Agresión
 Ansiedad
 Problemas de atención
 Compulsiones extremas que el niño no puede parar
 Hiperactividad
 Impulsividad
 Irritabilidad
 Cambios en el estado anímico
 Explosiones de ira o cólera
 Dificultad para dormir
 Rabietas
Dieta
Algunos niños con TEA parecen responder a una dieta libre de gluten o caseína. El
gluten se encuentra en alimentos que contienen trigo, centeno y cebada. La caseína se
encuentra en la leche, el queso y otros productos lácteos. No todos los expertos están
de acuerdo en que los cambios en la dieta harán la diferencia y no todos los estudios
de este método han mostrado resultados positivos.
64
Si está pensando en estos o en otros cambios en la dieta, hable con un médico
especializado en el aparato digestivo (gastroenterólogo) y con un dietista certificado.
Usted debe asegurarse de que su hijo esté recibiendo igualmente las calorías y los
nutrientes suficientes, al igual que una dieta balanceada.
65
CAPITULO III MARCO APLICATIVO
3.1 Introducción
Este capítulo presenta el diseño del Sistema Experto, se describe el desarrolla de la

metodología Buchanan y también en la formalización de la información para la
construcción de la base de conocimiento y su aplicación con la ayuda de Redes
Bayesianas. El sistema experto planteara variables lingüísticas y también variables
probabilísticas, con la ayuda de las Redes Bayesianas que será la parte principal para
la base de conocimiento y las reglas para el motor de inferencia.
3.2 Implementación de la metodología Buchanan
Se utilizara la metodología Buchanan:
Tabla 3.1. Metodología Buchanan
66
Los componentes del sistema experto son los siguientes criterios
Figura 3.1. Componentes para el desarrollo del Sistema Experto

Fuente: [Paco, 2012]
Proceso de desarrollo del sistema experto
Figura 3.2. Proceso de desarrollo del Sistema Experto

Fuente: [Samper, 2004]
67
3.2.1 Identificación
El proceso de identificación abarca los siguientes procesos:
a) Identificar los diferentes trastornos del espectro autista, y recolectar

información de sus características y sus diferencias.
b) Lectura de libros o artículos, entrevistas o charlas con las personas
familiarizadas con el tema
c) Identifican los participantes, y roles, recursos, fuentes de conocimiento y los
objetos y metas
d) Encontrar los participantes expertos como ingenieros de conocimientos,
usuarios.
e) Entrevistar a los expertos en el tema (psicopedagogo, educadora especial,
pediatra neurólogo).
El proceso a) y se realizó en la realización en el capítulo II del proyecto, y

recolectaremos más información por medio de la entrevista ya que nos brindara
experiencia por los expertos.
En síntesis desarrollaremos el sistema experto, identificando conjuntos que intervienen,

cargando los conocimientos a la base de datos, calculando las probabilidades
conocidas y condicionales, evaluando el prototipo.
En esta fase primera, se visualiza las tareas que son la identificación del problema y la
definición de los objetivos del sistema a desarrollar y la determinación de los alcances,
las limitaciones y costo, además del tiempo y la tecnología disponible para la
adecuación y estructuración del sistema experto mediante los conocimientos, estudios
y experiencia que ostenta.
3.2.1.1 Plan de requisitos
Es muy importante contar con una herramienta práctica para consultar y/o disipar
dudas y al mismo tiempo obtener posibles soluciones como un tratamiento necesario y
oportuno para niños y niñas menores de 3 años.
Para lo consecuente realizamos una requisa de trabajos para realizar para el SE.
68
PROCESO
ENTRADAS DIAGNOSTICO Y
DE
AL SISTEMA RESULTADOS
INFERENCIA
EVALUACION DE SESION
Figura 3.4. Requisitos mínimos para realizar el SE

a) Entradas al sistema
Contiene los datos de entrada al sistema para el diagnóstico del problema de
diagnosticar algún TEA con el objeto de poder justificar los pasos necesarios
para inferir el resultado.
b) Proceso de Inferencia
El conocimiento inicial se genera a partir de los hechos representados, que al
ser manipulados por los procesos de inferencia generan una respuesta, la
inferencia se realiza por”pareamiento de patrones”, o la activación de las reglas
de las bases de conocimientos y es determinada por las reglas almacenados en
la base de hechos
c) Diagnostico y resultados (Salidas)
Encontrar los resultados que generan la salida inferida, describe la solución al
problema. En función de los hechos y reglas difusas se seducen distintos valores
de salida.
d) Evaluación de la sesión
Se obtiene resultados referidos a las variables de entrada a ser utilizadas en el
SE así como la clasificación según su incidencia en el tipo de TEA, se
establecieron las salidas que debe proporcionar el SE como resultado del
69
proceso de inferencia adecuado a la heurística usada por los expertos y
recomendad en la bibliografía encontrada.
3.2.1.2 Evaluación y selección del problema
Se procederá a la evaluación una vez realizada la selección del problema, para lo cual
es importante la búsqueda del experto humano o institucional con el conocimiento del
problema y el tratamiento, así también la definición de cuáles son las funciones o
tareas más idóneas [ara ser realizadas por el sistema experto.
Los componentes que intervienen en el desarrollo del sistema experto que se propone
son los siguientes:
a) El experto institucional: poseen los conocimientos especializados y la

experiencia para orientar el sistema experto, en este caso libros de diagnóstico y
tratamiento de este tipo de trastornos.
b) El ingeniero de conocimientos (ejecutor del presente trabajo), que plantea las
preguntas a los expertos, estructura los conocimientos y los implementa en base
de datos.
c) El usuario final (padres de familias, tutores, centro de especialidad sobre este ti
de trastornos ), que aporta sus problemas, ideas, determinando de esta
manera el escenario de aplicación del sistema experto.
EXPERTOS, LIBROS, INGENIERO DEL

ENTREVISTAS, CONOCIMIENTO
OTROS. SISTEMA
EXPERTO
Figura 3.5. Colaboradores del Sistema Experto
70
3.2.1.3 Obtención de información con la reunión con los expertos
Para establecer las necesidades de los usuarios se realizó conversación con los
expertos, que tienen experiencia en el trato de niños que presenten algún tipo de
trastorno.
Se estudió toda la documentación disponible y se recopilo información mediante

entrevistas a los expertos, libros realizado por padres de niños con trastornos.
Obtención de información mediante entrevista
Entrevista al experto
Experto: Educadora especial
3.2.2 Conceptualización
Constituye la segunda etapa de la segunda fase de la Metodología Buchanan, la cual

consiste en el entendimiento del dominio del problema y de la terminología usada,
como así también la modelización de la tarea que lleva a cabo del experto a la hora de
resolver el problema.
Esta etapa permite un marco inicial o mapa mental de los diferentes conocimientos del
dominio que el experto utiliza durante la realización de su tarea.
Una vez que ha sido identificado el dominio, el siguiente paso consiste en estructurar
los conocimientos para modelar el comportamiento del experto en la solución del
problema que son de su competencia en este caso el diagnóstico y tratamiento de TEA.
La conceptualización conlleva un proceso de estructuración de los conocimientos

adquiridos y se desarrolla en una etapa que corresponda con una actividad de análisis
y la de un trabajo de síntesis.
En el proceso de investigación profunda se ha tratado de obtener una visión de muy

bajo nivel del dominio
71
Proceso de diagnóstico de TEA que desempeñan los expertos.
El experto se informa y
observa los síntomas y
PRESENCIA DE
signos o características
SIGNOS/SÍNTOMAS
que presenta el niño.
El experto evalúa la
incidencia de cada signo
EVALUACIÓN DE
o característica que
SIGNOS/SÍNTOMAS
presenta el niño.
El experto decide
DIAGNOSTICA Y el diagnóstico y
BRINDA UN un tratamiento a
TRATAMIENTO recomendar
Figura 3.6 Visión de la estructura a bajo nivel del sistema experto

Modelo de la construcción de la red bayesiana
Figura 3.7 Modelo de la construcción de la red bayesiana

72
3.2.2.1 Extracción el conocimiento
TEA (Trastorno del espectro Autista)

Información
Déficits persistentes en la comunicación y en la interacción social, manifestando
simultáneamente los siguientes déficits: déficits en la reciprocidad social, déficits
en las conductas de comunicación no verbal que se usan en la comunicación
social, déficits en el desarrollo y mantenimiento de relaciones adecuadas al nivel
de desarrollo.
 Acentuada falta de reconocimiento de la existencia o de los sentimientos de
los demás.
 Ausencia de búsqueda de consuelo en momentos de aflicción.
 Ausencia de capacidad de imitación.
 Ausencia de juego social.
 Ausencia de vías de comunicación adecuadas.
 Marcada anormalidad en la comunicación no verbal.
 Ausencia de actividad imaginativa, como jugar a ser adulto.
 Marcada anomalía en la emisión del lenguaje con afectación.
 Anomalía en la forma y contenido del lenguaje. - Movimientos corporales
estereotipados.
 Preocupación persistente por parte de objetos.
 Intensa aflicción por cambios en aspectos insignificantes del entorno.
 Insistencia irracional en seguir rutinas con todos sus detalles.
 Limitación marcada de intereses, con concentración en un interés particular.
 El bebé muestra escaso interés por el entorno.
 Es capaz de permanecer un tiempo prolongado en la cuna sin requerir
atención.
 Ausencia de respuesta al abrazo de la madre.
 Al cabo de cuatro meses de vida no muestra sonrisa social.
 Pueden existir muestras de alegría no justificadas en casi ninguno de los
casos de tipo social.
 No muestra interés ni respuesta ante el rostro materno.
 No es capaz de diferenciar a los familiares.
 Ausencia de interés social.
 Indiferente al juego y.
 Ausencia de respuesta ante la verbalización de su nombre.
Tabla 3.2 Características del ATE

73
Autismo regresivo o desintegrativo
El trastorno regresivo de la niñez implica la pérdida de funciones y capacidades
adquiridas por el niño durante los primeros años de su vida. Supone una regresión,
una vuelta a etapas anteriores que debe producirse después de los dos años y
antes de los diez. Las pérdidas deben producirse en al menos dos de las siguientes
áreas: lenguaje expresivo y receptivo, competencias sociales y adaptativas, control
de esfínteres, juego y10 destrezas motoras. A diferencia del autismo, se caracteriza
por una inestabilidad emocional extrema, en ocasiones acompañada de
fenómenos similares a las alucinaciones y los delirios de la esquizofrenia.
información
Desarrollo aparentemente normal durante por lo menos los primeros dos años
posteriores al nacimiento, con comunicación verbal y no verbal, relaciones
sociales, juego y comportamiento adaptativo apropiado a la edad del niño.
 Lenguaje expresivo o receptivo.

 Habilidades sociales o comportamiento adaptativo.
 Control intestinal o vesical.
 Juego.
 Habilidades motoras.
 interacción social con compañeros.
 Alteraciones cualitativas de la comunicación, comportamiento
 intereses y actividades restrictivos, repetitivos
 Lenguaje expresivo o receptivo.
 Habilidades sociales o comportamiento adaptativo.
 Control intestinal o vesical.
 Juego.
 Habilidades motoras.
En la interacción social: alteración en el comportamiento no verbal, incapacidad

para desarrollar relaciones con compañeros, ausencia de reciprocidad social o
emocional, entre otras.
En la comunicación: retraso o ausencia de lenguaje hablado, incapacidad para

iniciar o mantener una conversación, utilización estereotipada y repetitiva del
lenguaje y ausencia de juego realista variado.
En el patrón de comportamiento: intereses y actividades restrictivas y

repetitivas.
Tabla 3.3 Características del Trastorno Regresivo

74
Trastorno de Rett
El síndrome de Rett sólo se da en niñas, además se producen alteraciones que
no se dan en el autismo como desaceleración del crecimiento del perímetro
craneal, pérdida de habilidades de motricidad fina ya adquiridas, aparición de
movimientos poco coordinados del tronco o de la de ambulación, hiperventilación o
hipo ventilación y estereotipias manuales características ("lavado", "retorcimiento"
de manos).
información
 Problemas respiratorios
 Sueño y anormal al estar despierto
 Cambio en el desarrollo
 Babeo y salivación excesiva
 Brazos y piernas flácidos (frecuentemente es el primer signo)
 Dificultades de aprendizaje
 Anomalías en el lenguaje y el movimiento de la mano
 Marcha temblorosa, inestable o rígida
 El crecimiento de la cabeza se hace más lento comenzando
aproximadamente entre los 5 y 6 meses de edad
 Pérdida de los patrones normales de sueño
 Pérdida de los movimientos con propósito de la mano
 Pérdida del compromiso social
 En el desarrollo del lenguaje.
Tabla 3.4 Características del Trastorno de Rett

Síndrome de asperger
Las personas con Síndrome de Asperger, no presentan deficiencias estructurales
en el lenguaje, de hecho su lenguaje es "demasiado correcto", en el sentido que
parece pedante, con un vocabulario y sintaxis rebuscados. Tiene ciertas
limitaciones a nivel prosódico y pragmático.
Las personas con Síndrome de Asperger tienen una inteligencia normal o superior,
y frecuentemente encontramos lo que llamamos "islas de competencia", es
decir áreas donde el niño tiene una habilidad normal o incluso extraordinaria (por
ejemplo: dibujo, cálculo, fechas, música...).
información
 Trastornos en las relaciones,

 Inflexibilidad mental y conductual,
 Alteraciones emocionales
75
 Comportamientos no verbales como contacto ocular, expresión facial,
posturas corporales y gestos reguladores de la interacción social.
 Incapacidad para desarrollar relaciones con compañeros
 No mostrar, traer o enseñar a otras personas objetos de interés
 Ausencia de reciprocidad social o emocional.
 Patrones de comportamiento, intereses y actividades restrictivos, repetitivos
y estereotipados, manifestados al menos por una de las siguientes
características
 Sacudir o girar manos o dedos, o movimientos complejos de todo el cuerpo
 Preocupación persistente por partes de objetos.
 El trastorno causa un deterioro clínicamente significativo de la actividad
social.
 No hay retraso general del lenguaje clínicamente significativo (p. Ej., a los 2
años de edad utiliza palabras sencillas, a los 3 años de edad utiliza frases
comunicativas).
 Se relaciona mejor con adultos que con los niños de su misma edad.
 No entiende las reglas implícitas del juego. Quiere imponer sus propias
reglas al jugar con sus pares.
 Llora fácilmente por pequeños motivos.
 No tiene malicia y es sincero.
habilidades de comunicación
No suele mirarte a los ojos cuando te habla.
Interpreta literalmente frases como: "hay miradas que matan".
Se interesa poco por lo que dicen los otros.
habilidades de
comprensión
No comprende por qué se le riñe, se le critica o se le castiga.
Le es difícil entender cómo debe portarse en una situación social determinada.
intereses específicos
Suele hablar de los temas que son de su interés sin darse cuenta si el otro se
aburre.
Le gusta la rutina.
Tiene rituales elaborados que deben ser cumplidos. Por ejemplo, alinear los
juguetes antes de irse a la cama.
habilidades de
movimiento y otros
Miedo, angustia, malestar debido a: sonidos ordinarios, ruidos inesperados, llevar
determinadas prendas de ropa
Tabla 3.5 Características del Síndrome de Aspenger

76
3.2.2.2 Obtención de información probabilística
ESTADÍSTICAS GENERALES DATOS PROBABILÍSTICOS

Cerca de un 40% de niños con TEA tiene
alguna anormalidad de la sensibilidad PCL (presencia)  0.4%
sensorial
Cerca del 40% de los niños con TEA no F5 (ausencia) 0.4%

hablan nada.
Se considera que la incidencia
de autismo a nivel mundial es de tres a 0.3 %- 0.6% de cada 1000
seis niños de cada 1.000 igual 0.003 a Entonces
0.006 niños por cada 100 niños 0.003 % A 0.006 %
Actualmente se diagnostica con autismo a P(TEA| varón)  0.60

¼ más que a las niñas en el trastorno de P(TEA|mujer)  0.40
Rett
Algunos casos, aparentemente normal y TD > 18 meses de edad

en otros un desarrollo normal hasta
aproximadamente los 18 meses, en el
caso del trastorno regresivo
Se detecta el trastorno en uno de los

hermanos, existe un alto porcentaje (en
torno a un 90%) de probabilidades de que
el otro hermano también lo desarrolle.
La mayoría de los padres de niños con

TEA sospechan que algo no está bien
cuando el niño tiene 6 meses y buscan
ayuda hacia los 2 años de edad.
Tabla 3.6 Datos probabilísticos de los diferentes Trastornos

77
Base de hechos
La base de hechos contiene los sucesos (hechos) sobre un problema dado que se ha
descubierto en una consulta, está constituido por el conocimiento concreto, el cual a su
vez está compuesto por las características de los niños. Durante la consulta con el
sistemas experto, el usuario introduce la información del problema actual en la base de
hechos.
Para que este concepto quede claro se tomara como ejemplo algunos razonamientos
obtenidos de las experiencias que han tenido las personas que tengan algún hijo con
algún tipo de trastorno.
3.2.2.3 Componentes de la base de conocimientos
La base de conocimiento, contiene todos los hechos y probabilidades del dominio de

aplicación, para realizar un análisis de tales hechos y probabilidades se debe
previamente contar con los hechos concretos, los cuales son obtenidos a través de
entrevistas realizadas al experto.
Dónde:
BASE DE CONOCIMIENTO
Expertos en el tema
BASE DE HECHOS
BASE DE REGLAS
Figura 3.8 Componentes de la base de conocimientos
78
3.2.2.4 Definición formal de la base de conocimientos.
Tipos de variable
TRASTORNO DEL ESPECTRO AUTISTA VARIABLE VALOR
AUTISMO AUT Presente, Ausente

 Falta de conocimiento de los sentimientos F1 Presente, Ausente
 No busca consuelo F2 Presente, Ausente
 Incapacidad de imitación F3 Presente, Ausente
 Ausencia de juego social F4 Presente, Ausente
 Ausencia de comunicación F5 Presente, Ausente
 Anormalidad en la comunicación F6 Presente, Ausente
 Ausencia de actividad imaginativa F7 Presente, Ausente
 Preocupación por objetos F8 Presente, Ausente
 Insistencia irracional en rutinas F9 Presente, Ausente
 Escaso interés por el entorno. F10 Presente, Ausente
 No quiere mucha atención F11 Presente, Ausente
 Ausencia de respuesta al abrazo F12 Presente, Ausente
 No muestra sonrisa social. F13 Presente, Ausente
 Alegría no justificadas F14 Presente, Ausente
 No muestra interés por el rostro materno. F15 Presente, Ausente
 No diferencia a los familiares. F16 Presente, Ausente
 Ausencia de interés social. F17 Presente, Ausente
 llanto no justificado alargado F18 Presente, Ausente
 No hace caso al llamado F19 Presente, Ausente
DESINTEGRATIVO DES Presente, Ausente
 Perdida de lenguaje expresivo y receptivo F20-D Presente, Ausente
 Perdida de interacción social F21-D Presente, Ausente
 Perdida de destrezas motoras F22-D Presente, Ausente
79
 Inestabilidad emocional extrema F23-D Presente, Ausente
 Alucinaciones y los delirios F24-D Presente, Ausente
 Cambio en el comportamiento F25-D Presente, Ausente
 Perdida en el control intestinal o vesical. F26-D Presente, Ausente
 Perdida de juego. F27-D Presente, Ausente
 Perdida de habilidades motoras. F28-D Presente, Ausente
 Intereses y actividades restrictivos, F29-D Presente, Ausente
repetitivos
 Alteración en el comportamiento F30-D Presente, Ausente
 Ausencia de reciprocidad social o F31-D Presente, Ausente
emocional.
RETT RET Presente, Ausente
 Sólo se da en niñas F32-R Presente, Ausente
 Desaceleración del crecimiento craneal F33-R Presente, Ausente
 Pérdida de habilidades de motricidad F34-R Presente, Ausente
 Aparición de movimientos poco F35-R Presente, Ausente
coordinados
 Hipo ventilación de las manos). F36-R Presente, Ausente
 Problemas respiratorios F37-R Presente, Ausente
 Sueño y anormal al estar despierto F38-R Presente, Ausente
 Babeo y salivación excesiva F39-R Presente, Ausente
 Brazos y piernas flácidos F40-R Presente, Ausente
 Dificultades de aprendizaje F41-R Presente, Ausente
 Anomalías en el desarrollo del lenguaje F42-R Presente, Ausente
 Marcha temblorosa, inestable o rígida F43-R Presente, Ausente
 El crecimiento de la cabeza se hace lento F44-R Presente, Ausente
 Pérdida de los patrones de sueño F45-R Presente, Ausente
 Pérdida de los movimientos de la mano F46-R Presente, Ausente
 En el del lenguaje. F47-R Presente, Ausente
80
ASPENGER ASP Presente, Ausente
 lenguaje es demasiado correcto F48-A Presente, Ausente
 Con un vocabulario y sintaxis rebuscados F49-A Presente, Ausente
 Inteligencia normal o superior, F50-A Presente, Ausente
 habilidad normal o incluso extraordinaria F51-A Presente, Ausente
en dibujo, cálculo, fechas, música).
 Trastornos en las relaciones F52-A Presente, Ausente
 Impone sus propias reglas F53-A Presente, Ausente
 Alteraciones emocionales F54-A Presente, Ausente
 Comportamientos no verbales F55-A Presente, Ausente
 No mira al conversar. F56-A Presente, Ausente
 Le gusta la rutina. F57-A Presente, Ausente
 Ordenado en sus juguetes F58-A Presente, Ausente
 Miedo al cambio F59-A Presente, Ausente
 Sacudir o girar manos o dedos F60-A Presente, Ausente
 Se relaciona mejor con adultos F61-A Presente, Ausente
 No entiende las reglas implícitas del F62-A Presente, Ausente
juego.
Tabla 3.7 Obtención de Variables

81
3.2.3 Formalización
3.2.3.1 Estructura de la modelización de la parte cualitativa y cuantitativa de la
red bayesiana
Figura 3.9: Estructura de la modelización de la parte cualitativa y

cuantitativa de la red bayesiana
3.2.3.2 Modelización de la Red Bayesiana para la información Cualitativa
Modelo de Redes Bayesianas
Para este modelo se observa el rol que cumple las redes bayesianas, dentro del
sistema experto. El proceso de diagnóstico del TEA consta:
Figura 3.10: Proceso de diagnóstico de un tipo de Trastorno

82
Modelo para el diagnóstico: Síndrome de Aspenger
Figura 3.11: Modelo para el diagnóstico del Síndrome de

Aspenger
Modelo para el diagnóstico: trastorno desintegrativo
Figura 3.12: Modelo para el diagnóstico del Trastorno

Desintegrativo
83
Modelo para el diagnóstico: Trastorno de Rett
Figura 3.13: Modelo para el diagnóstico: Trastorno de Rett
Realización de la rb para el diagnóstico de aspenger en el programa Elvira
Figura 3.14 RB para el diagnóstico del Aspenger
84
Realización de la rb para el diagnóstico del trastorno de rett en el programa Elvira
Figura 3.15 RB para el diagnóstico del trastorno de Rett
Realización de las para el diagnóstico de trastorno desintegrativo o regresivo en

el programa Elvira
Figura 3.16 RB para el diagnóstico del Trastorno Regresivo
85
3.2.3.3 Modelización de la Red Bayesiana para la información Cuantitativa
Modelización de la red bayesiana para la información cuantitativa

Proceso de (Aprendizaje General)
Figura 3.17 Datos probabilísticos cuantitativos
Figura 3.18 Datos probabilísticos cuantitativos
86
Viendo resultados a posteriori
Figura 3.19 Diagnostico del trastorno regresivo

Red bayesiana para el diagnostico de la presencia de un trastorno del espectro
autista
Figura 3.20 RB para diagnosticar la presencia de algún TEA
87
3.2.4 Implementación
3.2.4.1. Modelo del motor de inferencia
Es la unidad lógica de donde se extraen conclusiones de la base de conocimientos,

para eso aplicaremos los modelos de Redes Bayesianas, para este modelo
formularemos la red donde indicara la presencia de algún TEA.
Vemos que en este problema intervienen varias variables, para la ejemplificación

utilizaremos la siguiente red y donde todos los nodos tendrán los valores de presente
y ausente. Dado que la primera variable influye causalmente sobre las siguientes.
RED BAYESIANA A PLANTEAR EN EL PROGRAMA ELVIRA
TEA
PROBLEMAS DE PROBLEMAS
COMUNICACIÓN CONDUCTUALES
Y LENGUAJE Y PERSONALES
PROBLEMAS
DE RELACIÓN
SOCIAL
CAMBIO DE VARIABLES
Figura 3.21 Red bayesiana a plantear en el programa Elvira

Para el TEA que tiene una prevalencia del 0.003% existe una prueba que tiene una
sensibilidad del 75% y una especificidad del 96% respecto de dicha enfermedad.
Tea  T
Problemas de Comunicación y Lenguaje  PCL
Problemas de Relación Social  PRS
Problemas conductuales personales  PCP
Para la inferencia del sistema experto se usó el Programa Elvira, este software nos
muestra la probabilidad de cada valor de cada nodo.
La probabilidad de T=presente es 0.003, y de ausente es de 0.997.
Aquí se muestra todas las probabilidades a priori de la Red Bayesiana con datos
probabilísticos.
Elaboración en el programa Elvira
Figura 3.22 Ejemplificación de la Red Bayesiana inicial para el

diagnóstico de TEA
Fuente: [Elaboración propio]
Dónde:
P(PCL=presente) = P(PCL=presente| TEA=presente)×P(TEA=presente)

+ P(PCL=Presente| TEA=ausente)×P(TEA=ausente)
= 0.4×0.003 + 0.2×0.997= 0.2006 =0.201
P(PCL=ausente) = P(PCL=ausente| TEA=presente)×P(TEA=presente)

+ P(PCL=ausente| TEA=ausente)×P(TEA=ausente)
= 0.6×0.003+ 0.8×0.997 = 0.779
Elvira nos proporciona información posteriori sobre los datos introducidos
Figura 3.23 Información posteriori de una RB
Luego se lo realiza para los demás nodos.
Hallando probabilidades a posteriori
El valor predictivo positivo (VPP) es la certeza con que podemos diagnosticar algún
trastorno y cuando los problemas da positivo P (TEA = presente | PCL=presente and
PRS=presente and PCP=presente).
Para calcularlo con Elvira, introducimos el hallazgo PCL y PRS y PCP de presente y
vemos cuál es la probabilidad a posteriori para el valor TEA=presente.
La forma de introducir un hallazgo en Elvira consiste en hacer doble-clic en el valor
correspondiente. En este caso haremos doble-clic en "presente" a todos los nodos
hijos.
Se observa que la probabilidad de TEA=presente y la probabilidad de TEA=presente ha

aumentado de 0.003 a 0.90, que es precisamente el valor que estábamos buscando:
VPP = P(TEA=presente | PCL and PRS and PCP=positivo) = 0.90 = 90%
Figura 3.24 Información posteriori de una RB cuando nodos hijos

están en estado presente
Comprobamos así que, como era de esperar, un resultado positivo en el test tiende a
confirmar la presencia del trastorno. Y cambiando todos los valores en ausente de
todos los nodos hijos pasa a ser 1 a 0 las probabilidades.
Observamos que
VPN = P(TEA=ausente| PCL and PRS and PCP=ausente) = 1.0 = 100%
ausente
Con lo que queda resuelto el problema que teníamos planteado.
Estructura del entorno del sistema
La interfaz de usuario está bajo la plataforma de NetBeans que facilitara la

comunicación entre el Usuario y el Sistema Experto.
Una vez que el usuario, en este caso el padre de familia del niño, introduzca la
información, el Sistema Experto brindara un diagnóstico y un tratamiento, para que el
niño desarrolle de buena forma sus problemas.
Figura 3.26 Estructuración del sistema experto
3.2.4.1 Definición de usuario
El usuario es quien debe consultar al Sistema Experto de Diagnóstico y Tratamiento de

Trastorno del espectro Autista. El usuario debe ser el Padre o Tutor del niño o niña
menor de 3 años, o una persona familiar que viva o trate con el niño o niña.
3.2.4.2 Modulo de explicación
Este componente entra en ejecución cuando el usuario solicita un diagnóstico del

sistema experto. Todo esto se facilita mediante el uso de interfaces donde se muestra
el diagnóstico y tratamiento.
3.2.4.3 Alcance del sistema experto
Todo este resultado de diagnóstico y tratamiento que el sistema experto brinda está
limitado solamente al conocimiento general.
3.2.4.4 Requisito y diseño de integración
Para la implementación del Sistema Experto, se debe contar con un equipo de trabajo
en este se menciona los requerimientos mínimos con la cual llega a trabajar el sistema
experto, también el requerimiento recomendado para su mejor ejecución y por último el
requerimiento disponible en el cual se realiza el sistema, pasando a describir en el
siguiente tabla.
REQUERIMIENTOS PARA LA IMPLEMENTACIÓN DEL SISTEMA EXPERTO

Requerimientos Hardware Software
Microprocesador core Sistema Operativo Windows
Quad 7
Mínimo Memoria Ram 1 Gb Elvira Versión 0.162

Disco Duro 60 Gb
Tabla 3.8 Requerimientos para la implementación del SE

3.2.4.5 Diseño del interfaz del sistema experto basado en redes bayesianas
El sistema diseñado efectúa consultas sobre la presencia de Trastornos del Espectro

Autista en niños y niñas menores de 3 años. El sistema identifica el tipo de Trastorno
(Trastorno del Autismo, Rett, Regresivo y Aspenger) a partir de la información que
provee el usuario, determinando así si el niño presenta algún tipo de trastorno y el tipo
de trastorno, y como resultado brindarle un diagnóstico y un tratamiento a seguir para
que el niño desarrolle sus debilidades y tratar de insertar a la sociedad de una forma
donde el niño no se sienta excluido.
A continuación se muestra la pantalla de presentación del sistema.
Figura 3.27 Interfaz del prototipo del SE
Una vez que el usuario inicie el diagnostico, requiere datos personales y otros.
Luego hay que marcar, los cuadros donde la respuesta es que hay presencia de ciertas
características personales de su niño.
En base a la información o datos proporcionados por el usuario (es decir el padre del
niño) el sistema le mostrara el resultado del diagnóstico e identificando el tipo de
trastorno del espectro autista, y brindando el tratamiento más recomendable para el
niño o niña
Finalmente, el sistema brinda información sobre el tipo de trastorno y nos da un
consejo sobre las actividades a realizar, para el desarrollo de los problemas, y para la
mejor evolución del niño o niña.
CAPITULO IV EVALUACIÓN DE RESULTADOS
4.1 Introducción
En el presente capitulo se efectúa la evaluación del “Sistema experto para el

diagnóstico y tratamiento de Trastornos del Espectro Autista”.
Para estimar la validez del Sistema experto diseñado en el presente trabajo de

investigación, se considera una muestra de 10 casos de niños donde su padre o tutor
requieren hacer un diagnóstico sobre su hijo, ya que presenta o intuye que presente
algún tipo de trastorno del Espectro Autista.
4.2 Recolección de datos
La información e información se recuperó un libros donde los padres o tutores dan a

conocer las características que sus hijos presentaban y el diagnostico que tenían
después de varios estudios.
Donde cuentan toda la historia de cada uno de sus hijos y el diagnóstico realizado por
un grupo de especialistas en el caso (psicopedagogos, pediatras neurólogos,
educadores especiales, terapeutas con experiencia en el tema).
Resultados de diagnósticos entre la experiencia real de tutores o padres de familia y el

sistema experto.
NINO SISTEMA EXPERTO DIAGNOSTICO REAL

1 Niño de 16 meses TEA, Aspenger TEA, Aspenger
2 Niña de 35 meses TEA, Rett TEA, Rett
3 Niño de 36 meses TEA, Regresivo TEA, Regresivo
Tabla 4.1 Registro de la valoración de los resultados de los diagnostico
4.3 Análisis de datos
Dado los resultados obtenidos, es posible estimar la confiabilidad de sistema y verificar

la hipótesis del presente trabajo de investigación
Nro de Diagnóstico Valoración

casos del sistema el 𝒎𝒆𝒅𝒊𝒂 𝒙𝒊 − 𝒎𝒆𝒅𝒊𝒂 (𝒙𝒊 − 𝑚𝑒𝑑𝑖𝑎)𝟐 )
experto Diagnostico
x
Caso 1 Acertado 100 93 7 49
Caso 2 Acertado 90 93 -3 9
Promedio 90 ∑=610
Tabla 4.2 Resultados de la prueba del sistema experto de diagnóstico y tratamiento de

Trastorno del Espectro Autista para niños y niñas menores de 3 años
4.4 Demostración de la hipótesis
Dada la hipótesis:
“El Sistema Experto en Base a Redes Bayesianas permitirán, diferenciar

entre los varios tipos de trastornos y apoyar en el trabajo de diagnóstico,
similar al de los profesionales que diagnostican estos Trastornos, con una
confiabilidad del 75% o superior”.
Para demostrar la hipótesis formulada, es necesario estimar el nivel de confiabilidad

de la valoración de los diagnósticos expuestos en la Tabla 4.2, a través de intervalo de
confianza.
Datos para el cálculo
Para estimar la confiabilidad se considera un amuestra de n=10, el cual es menor a 30,

por lo que se utiliza la variable aleatoria que tiene la distribución t con n-1 grados de
libertad.
Donde
𝑆 2 = Varianza de la muestra
𝜎 2 =Varianza de la población
Donde G es landa
𝑆2
n=
𝐺2
𝑚𝑒𝑑𝑖𝑎 − 𝑢0
𝑦= 𝑠
√𝑛
Dónde:
𝑛
1
2
S = ∗ ∑(𝑥𝑖−𝑚𝑒𝑑𝑖𝑎) 2
𝑛−1
1
𝑛
1
s=√ ∗ ∑(𝑥𝑖−𝑚𝑒𝑑𝑖𝑎) 2
𝑛−1
1
Además, se tiene que media=93
Coeficiente de confianza: y=0.95  y =1-a=0.93  a=0.07
Calculando
1
𝑆 2 =9 ∗ (610) → 𝑆 2 =67.78  𝑆=√67.78  𝑆= 8.23
Entonces
𝑠
IC =< 𝑚𝑒𝑑𝑖𝑎 ± 𝑡𝑎 ∗ (𝑛 − 1) ∗ > 𝑦
2 √𝑛
Remplazando los datos se tiene
8.23
IC =< 93 ± 𝑡0.975 ∗ (9) ∗ >𝑦
3.16
𝑎
El valor de la tabla se obtiene con 1 − (2) = 0.975
Por lo que:
8.23
IC =< 93 ± 0.8 ∗ (9) ∗ >
3.16
IC =< 93 ± 2.8 >
IC =< 90.2 ; 95.08 >
Teniendo en cuenta los resultados obtenidos, se puede concluir que el diagnóstico del
sistema, basado en Redes Bayesianas, es acertado con un nivel de confianza del 93
%, debido a que los resultados se encuentran dentro del intervalo de confianza. Por lo
tanto, se puede afirmar que la hipótesis formulada en el presente trabajo de
investigación es confirmada o demostrada.
Adamas según la escala de Ruiz definida en el presente estudio, un coeficiente de

confiabilidad mayor al 80 % se considera “”Muy Alta” , por lo que el sistema experto
diseñado en el presente estudio cumple su propósito un diagnóstico y tratamiento de
Trastornos del Espectro Autista en niños y niñas menores de 3 años, con una
confiabilidad “muy alta” (93 %).
CAPITULO V CONCLUSIONES Y RECOMENDACIONES
Conclusiones
Las redes Bayesianas, modelos que combinan la teoría de grafos y de probabilidad,

son aplicadas a la toma de decisiones en dominios donde la incertidumbre representa
un papel importante.
Gracias al desarrollo de nuevos algoritmos que permiten la creación y propagación de

probabilidades en redes suficientemente complejas como para representar problemas
reales. En este capítulo se han introducido sus extensiones y uso en la ingeniería del
software donde han sido aplicadas.
Con respecto al diseño del prototipo, este aspecto cumple con el desarrollo de las
etapas propuestas de la metodología Buchanan, prosiguiendo a formalizar dicho
conocimiento utilizando redes bayesianas, sacando variables lingüísticas con las cuales
se realizó las redes.
Se diseñó una base de conocimiento, que contiene el conocimiento y experiencia del

experto, esto hace que el sistema pueda ser confiable, además se representa el
conocimiento en base a reglas de producción ya que ofrecen bastante facilidad para la
creación y la modificación de la base de conocimiento como se muestra en el Capítulo
III.
Para la conclusión del prototipo, específicamente para la elaboración de las redes, se

realizó en el programa Elvira que nos ayuda a conseguir los resultados del sistema
experto y para el interfaz se utilizó la plataforma Netbeans.
De esta manera se logró alcanzar el objetivo general planteado en el Capítulo I

desarrollando en sistema experto para el diagnóstico y tratamiento para trastornos del
espectro autista para niños y niñas menores de 3 años, que permita diferenciar entre
diferentes tipos de y trastornos y diagnosticar al niño y así tratar de brindar el mejor
tratamiento para que el niño se desarrolle normalmente, así evitando que el niño sea
aislado socialmente.
Con los resultados del prototipo y habiendo realizado el correspondiente análisis del
mismo, se pudo realizar la prueba de hipótesis contrastando los diagnósticos obtenidos
por el sistema experto y los expertos en el tema y de acuerdo a los resultados del
experimento podemos decir que la conclusión de la hipótesis fue acertada, y concluye
que el sistema experto colabora en el diagnostico obteniendo así un diagnostico
confiable.
Finalizando, el sistema experto propuesto cumplió en más del 90% con todas las
expectativas planteadas y esperadas.
Recomendaciones
El presente trabajo puede ser complementado desarrollando para adolescentes e

implementar la base de conocimientos de tal forma, que se pueda incrementar nuevos
conocimientos al sistema experto.
Se puede ampliar el campo de investigación de los Sistemas Expertos abarcando un

mayor número de trastornos.
Los trastornos del espectro autista es un tema muy amplio y no fue posible abarcar del
todo en la presente tesis por lo que se recomienda tomar más parámetros para dicho
diagnóstico.
Trabajar sobre la segunda etapa del sistema, en el que se realicen las descripciones de
otros trastornos, mediante la incorporación de una base de hechos mejorada y modelos
de dominios de aplicación.
Se recomienda utilizar otras herramientas como Redes Neuronales y los Algoritmos

Genéticos, en la búsqueda de paradigmas que permitan el diseño e implementación de
herramientas computacionales.
Bibliografía
[CONDE, 2003] Tesis de Grado “Sistema Experto para el

diagnóstico de la Ansiedad en personas mayores”
realizado en el año 2003 por Carlos Conde Luna.
[BRITOS,2004] “INGENIERÍA DE SISTEMAS EXPERTOS”, Britos

P., Editorial Nueva librería, Buenos Aires Argentina
[MICHAEL D. POWERS, “NIÑOS AUTISTAS”, guía para padres, terapeutas

2006] y educadoras, Editorial Trillas México.
[DONES, 2001] “SISTEMA EXPERTO PARA EL DIAGNOSTICO

DE TRASTORNOS DEPRESIVOS”, Martin Dones
Luengo, Universidad Pontificia Comilla, Madrid
España
[GUIARRATANO, 1998] “SISTEMAS EXPERTOS PRINCIPIOS DE

PROGRAMACIÓN”, Guiarratano Riley, Tercera
Edición.
[SAMPIERI, 2003] “METODOLOGÍA DE INVESTIGACIÓN”, Sampieri

Hernández, C. Hernández, Mc. Graw Hill, México.
[VELÁSQUEZ, 2010] “APUNTES DE SISTEMA EXPERTOS”,

Universidad Mayor de San Andrés.
[DEGROOT, 2000] “PROBABILIDAD Y ESTADÍSTICA”, Segunda

Edición, Chile.
[MOYA, 2005] “PROBABILIDAD E INFERENCIA

ESTADISTICA”.7ma Edición, Editorial América,
Lima.
[ESPECTRO AUTISTA, 2011] Manual Diagnostico y Estadístico de Trastornos

Mentales.
[CARLOS, 2004] Estudio de Trastornos del Espectro Autista
Instituto de Investigación de Enfermedades Raras-
Instituto de Salud III
[OROZCO, 2008] SE para diagnóstico de trastornos mentales

Universidad Mayor de San Andrés.
[TRUJILLO,2013] Redes bayesianas discretas aplicadas al estudio

de enfermedades en la paz
[FRANCESC. 2000] El autismo aspectos descriptivos y terapéuticos

Málaga
[FABIOLA DUERI, 2002] Visión global del autismo

Universidad Católica Boliviana
[ROMERO, 2007] Actividades de la Vida Diaria. Psicología,
[ABAD GRAU, 2003] Las redes bayesianas como sistemas de soporte a

la decisión
Universidad de granada
[CIEMPOZUELOS, 2000] Guía de Práctica Clínica para el Manejo de

Pacientes con Trastornos del Espectro Autista en
Atención Primaria
[ESIDE, 2005] Sistemas Expertos, Redes Bayesianas y sus

aplicaciones
Universidad de Deusto
DOCUMENTALES El laberinto del autismo:

http://www.youtube.com/watch?feature=player_em
bedded&v=zgpqcaIa5bE
La cámara viviente. Dibujar Roma de memoria:

http://www.youtube.com/watch?v=JrhLWoMl7_Y
Redes. Autismo. Los incomunicados:
http://www.youtube.com/watch?v=p2rQlGBVdFs
Anexos
Entrevista al experto
Transcripción de la sesión
Experto: Educadora especial
1. ¿Qué es la TEA?
Para la mayoría, es una deficiencia en el desarrollo de por vida que no permite que
individuos entiendan apropiadamente lo que miran, escuchan y de cierta manera
sienten. Esto resulta en problemas sociales severos con respecto a relaciones sociales,
comunicación y comportamiento. La mayoría de las personas con TEA tienen dificultad
en el aprendizaje de patrones normales de lenguaje y/o comunicación, (comunicación
no-verbal) la cual puede tomar la forma de tacto (objetos), dibujando líneas, fotos,
escribiendo, etc. podrían entender muchas formas de comunicación y expresiones pero
no podrían comunicarlas de la misma manera y forma apropiada para relacionarse con
las personas, objetos y eventos.
2. ¿Es lo mismo hablar de autismo, de trastornos generalizados del desarrollo o

de trastornos del espectro autista?
A fin de evitar la confusión generada por el uso sinónimo de términos que en realidad
no lo son, es preciso clarificar, a riesgo de resultar redundantes, estos conceptos, y
aclarar las normas de uso seguidas en la elaboración de esta sección de preguntas
más frecuentes.
El término “autismo” se emplea generalmente, tanto en medios de comunicación como

en entornos profesionales o asociativos, para definir sintéticamente a todos los
trastornos incluidos en la actualidad bajo la denominación de “Trastornos
Generalizados del Desarrollo”. De hecho no es un término que ya aparezca, como tal,
aisladamente, en las clasificaciones internacionales. Hay también personas que utilizan
el término autismo de una manera opuesta, es decir, restrictiva, para describir
exclusivamente el trastorno autista contenido en los manuales clasificatorios
3. ¿Con que frecuencia ocurre el autismo?
Los estudios muestran que los TGD o TEA son bastante más frecuentes de lo que se
pensaba cuando aún no conocíamos la variedad con la que estos trastornos se
manifiestan.
Los TGD o TEA son tres o cuatro veces más frecuente en varones que en mujeres.
Esta relación es dependiente del grado asociado de discapacidad intelectual. Así entre
las personas con trastorno de Asperger la relación hombre / mujer es de 8 a 1; y en el
colectivo con discapacidad profunda la relación es 1a 1. El Síndrome de Rett afecta
casi universalmente a mujeres. El trastorno desintegrativo infantil se presenta por igual
en hombres que en mujeres.
4 ¿Cuáles son las causas del autismo?
Hace más de medio siglo, de acuerdo con las teorías imperantes en aquella época, se
interpretó erróneamente que estos trastornos eran causados por los propios padres,
que con su frialdad generaban estos problemas en sus hijos. Afortunadamente este
cruel error ya ha sido subsanado. Todas las instituciones científicas internacionales
reconocen que el autismo se debe a anomalías del sistema nervioso central, y tiene
causas biológicas y no psicosociales.
En la actualidad, la evidencia científica plantea una visión multifactorial compleja, por

interacción de diversos factores, genéticos y ambientales, sin que todavía se conozca
exactamente cuáles son y cómo interactúan los posibles factores ambientales sobre la
susceptibilidad genética.
5 ¿Cómo se diagnostica?
El TEA es un trastorno del desarrollo infantil. Esto es, se trata de un trastorno que se
manifiesta en los primeros tres años de la vida y que se caracteriza porque no
aparecen – o lo hacen de modo claramente desviado de lo esperable - algunos
aspectos normales del desarrollo: las competencias habituales para relacionarse,
comunicarse y jugar o comportarse como los demás.
El diagnóstico se establece cuando se observan los síntomas característicos. No hay

un test o prueba médica que diga si una persona tiene o no autismo. El diagnóstico se
hace observando la conducta de la persona, conociendo su historia del desarrollo y
aplicando una batería de pruebas médicas y psicológicas para detectar la presencia de
los signos y síntomas del autismo. A pesar de que el juicio clínico se basa en la
observación del niño, los actuales criterios internacionales utilizados tienen la fiabilidad
suficiente para asegurar, en mayor medida que en otros trastornos psiquiátricos
infantiles, la validez del diagnóstico.
6 ¿Cuáles son los síntomas más característicos y frecuentes del TEA en niños
pequeños?
No todos los niños presentan todos los síntomas descritos como clásicos y ninguno de
ellos es patognomónico o decisivo. Consecuentemente, la ausencia de cualquiera de
ellos no es excluyente del diagnóstico de autismo. Aunque algunos estudios e informes
familiares señalan anomalías observables en
los primeros 12 – 18 meses de vida, es actualmente a partir de los 24 meses cuando se
aprecian, con mayor intensidad, los síntomas característicos.
a) Alteraciones cualitativas en la interacción social
Las alteraciones sociales son el principal síntoma del autismo. Estas personas
encuentran difícil ajustar su comportamiento al de los demás, ya que no entienden muy
bien las convenciones y normas sociales. Suelen tener problemas para compartir el
mundo emocional, el pensamiento y los intereses.
b) Alteraciones cualitativas de la comunicación
Los primeros estudios realizados en el autismo identificaban que un 50% de las

personas afectadas no desarrollaban lenguaje hablado funcional a lo largo de su vida
(si tenemos en cuenta el actual concepto de TGD o TEA, este porcentaje disminuye
sensiblemente). Existen otros casos, que empiezan a hablar y que luego pierden su
lenguaje.
c) Patrones restringidos de comportamiento, intereses y actividades
Las personas con autismo presentan intereses especiales, que no son frecuentes en
otras personas de su edad (fascinación por partes de objetos, piezas giratorias, letras o
logotipos, etc.), aunque lo más característico es que no comparten sus intereses con
los demás. Pueden aparecer movimientos corporales estereotipados (aleteos, giros
sobre uno mismo, balanceo, deambulación sin funcionalidad, etc.). El juego tiende a ser
repetitivo y poco imaginativo (hacer hileras, agrupamientos, fascinación por contar y
repetir, etc.). Muchas personas presentan ansiedad ante
los cambios de sus rutinas y/o del entorno (horarios, recorridos, objetos o personas que
cambian su ubicación o postura, etc.). En las personas con mayor capacidad intelectual
sus intereses restringidos son más sofisticados y pueden incluir el hacer colecciones,
listados, recopilar datos sobre temas específicos: astronomía, monedas, mapas, trenes,
programas informáticos, etc.
7. ¿Cómo se trata el autismo?
Hay que destacar que existe un consenso internacional de que la educación y el apoyo
social son los principales medios de tratamiento. Estos aspectos han de ser
complementados, en ocasiones, con la medicación y con otros programas terapéuticos
como los programas para problemas específicos de conducta o la terapia cognitivo-
conductual para los problemas psicológicos asociados en personas de más alto nivel
de funcionamiento.
La educación ha de ser intensiva (esto es, tratando de conseguir que las personas
clave en la educación del niño – padres y educadores – aprovechen todas las
oportunidades naturales para aplicar el plan individualizado y/o generándolas si no
ocurriesen de manera natural, a fin de conseguir como media – tal y como instituciones
de referencia internacional han establecido – una dedicación de padres y educadores al
plan establecido de al menos 25 horas semanales, incluidos los contextos naturales).
8. ¿Hay medicamentos para el autismo?
No existen todavía medicamentos específicos que influyan directamente en los

síntomas del autismo. Sin embargo, se administra medicación psicotrópica a una parte
significativa de este colectivo (entre un 30% y un 50% según los datos de diferentes
programas nacionales o extranjeros) para tratar de disminuir otros
problemas que la persona pueda tener; con la esperanza de conseguir que su efecto
les permita participar y beneficiarse de otras terapias (pedagógicas, psicosociales,
lúdicas...) o mejore su calidad de vida.
9 ¿Qué pronóstico tiene el autismo? ¿Se puede ayudar a estas personas?
Hoy por hoy no tenemos una cura para el autismo y su pronóstico, en general, es poco
alentador, especialmente si lo que se pretende es hacer desaparecer el trastorno. Los
niños con autismo crecen para ser adultos con autismo y conocemos varios aspectos
que influyen en el pronóstico. Unos son inherentes a cada caso concreto; así, aquellos
niños que tienen una inteligencia – al menos una inteligencia no verbal –normal y
adquieren lenguaje a los cinco – seis años tienen mejor pronóstico que quienes no
cumplen ambos criterios. Se puede decir que cuantas más capacidades tiene la
persona, mejor será su pronóstico, aunque ello no signifique su normal
desenvolvimiento en la vida adulta. Así tenemos ejemplos de personas con trastorno de
Asperger que han conseguido una vida adulta productiva y personalmente satisfactoria,
mientras que otros con el mismo trastorno no lo han conseguido
10. ¿Qué tan severos son los problemas de comportamiento en las personas con
autismo?
El autismo y los problemas en el rango de comportamiento van desde severo hasta

leve. Los problemas de comportamiento severos toman una forma altamente inusual, y
en unos casos, hasta el comportamiento es de auto-daño. Estos comportamientos
pueden persistir y son difíciles de cambiar. Cuando es moderado, autismo es una
incapacidad de comportamiento. Usualmente, de una forma, personas las cuales son
afectadas medianamente son substancialmente incapacitadas debido a la deficiencia
que presentan en el área de comunicación y socialización
11. ¿Las personas con autismo pueden ser ayudadas?
Si, el autismo es tratable. Estudios muestran que todas las personas que tienen
autismo pueden mejorar significativamente con una intervención apropiada. Muchos
individuos con autismo eventualmente responden a otros en forma que entienden más
el mundo lo que está alrededor de ellos.
12. ¿Cómo podrían las personas con autismo aprender mejor?
Con tratamientos especiales y apropiados los padres, profesores, niñeras etc., con el
uso de programas especiales y estructurados que enfaticen instrucciones en forma
individual, estas personas podrían aprender a funcionar en su hogar y en la comunidad.
Algunos pueden llevar una vida normal.
13. ¿Qué clase de trabajos pueden desempeñar individuos con autismo?
En general, individuos con autismo rinden mejor en trabajos que son estructurados y
que envuelven un grado de repetición. Algunas personas que son autistas han
trabajado como artistas, afinado de piano, pintores, trabajadores en granjas, trabajo de
oficina, operadores de computadoras, lava platos, línea de ensamble, o trabajadores
competentes en lugares de refugio.
14. ¿Qué clase de entretenimiento personas con autismo pueden hacer y de la

misma forma disfrutarlo?
Individuos con autismo a menudo disfrutan las mismas actividades de recreación como
sus no-incapacitados compañeros. Algunas como la música, natación, escalar, resolver
rompecabezas, jugar juegos de mesa, etc. Los entrenamientos más disfrutados son los
simples, los juegos previsibles, que ellos pudieran tener control.
15. ¿Qué servicios adicionales se necesitan para niños con Autismo?
Niños con autismo necesitan: asistencia en cuido, antes, después y durante la escuela,
programas de verano, programas de recreación, otras opciones de vivienda residencial,
entrenamientos PRE-vocacionales, programas de escuela durante el verano.
PROGRAMA ELVIRA
INTRODUCCIÓN
El programa Elvira es fruto de un proyecto de investigación financiado por la CICYT y el

Ministerio de Ciencia y Tecnología, en el que participan investigadores de varias
universidades españolas y de otros centros.
El programa Elvira está destinado a la edición y evaluación de modelos gráficos

probabilistas, concretamente redes bayesianas y diagramas de influencia. Elvira cuenta
con un formato propio para la codificación de los modelos, un lector-intérprete para los
modelos codificados, una interfaz gráfica para la construcción de redes, con opciones
específicas para modelos canónicos (puertas OR, AND, MAX, etc.), algoritmos exactos
y aproximados (estocásticos) de razonamiento tanto para variables discretas como
continuas, métodos de explicación del razonamiento, algoritmos de toma de decisiones,
aprendizaje de modelos a partir de bases de datos, fusión de redes, etc.
Elvira está escrito y compilado en Java, lo cual permite que funcione en diferentes
plataformas y sistemas operativos (MS-DOS/Windows, Linux, Solaris, etc.).
PRIMEROS PASOS: REDES BAYESIANAS
PRESENTACIÓN
La pantalla principal de Elvira consta de los siguientes elementos:

En la barra de menú ofrece siete
opciones: Archivo, Editar, Ver, Tareas, Opciones, Ventana y Ayuda, aunque,
lamentablemente, la versión actual de Elvira no ofrece ayuda en-línea.
En la primera barra de herramientas hay botones para crear, abrir y guardar redes,
hacer zoom, obtener información sobre Elvira y seleccionar el modo
básico: Edición, Inferencia o Aprendizaje.
La segunda barra de herramientas varía dependiendo del modo básico en que nos
encontremos: Edición, Inferencia o Aprendizaje. La barra de edición, que es la que
aparece en la figura anterior, tiene botones para cortar, copiar, pegar, deshacer/rehacer
cambios y cinco botones para escoger la herramienta de edición, que puede ser una de
las cinco siguientes:
 seleccionar
 añadir nodo aleatorio
 añadir nodo decisión (sólo está activo para diagramas de influencia)
 añadir nodo utilidad (sólo activo para diagramas de influencia)
 añadir enlace
Debajo de la barra de herramientas hay un espacio destinado a mostrar la ventana de

mensajes y las redes abiertas. En la figura anterior se muestra la redEjemplo1.
CREACIÓN Y EDICIÓN DE REDES
Supongamos que queremos resolver el siguiente ejemplo mediante Elvira:
Ejemplo 1. Para una enfermedad que tiene una prevalencia del 8% existe una prueba
que tiene una sensibilidad del 75% y una especificidad del 96% respecto de dicha
enfermedad. ¿Cuáles son los valores predictivos de la prueba?
Vemos que en este problema intervienen dos variables: Enfermedad y Prueba. La

enfermedad puede tener dos valores, presente y ausente, y la prueba puede dar dos
resultados, positivo y negativo. Dado que la primera variable influye causalmente sobre
la segunda, vamos a trazar un enlace Enfermedad->Prueba.
DEFINICIÓN DE LA RED
Para definir una red en Elvira, pulsamos pulsamos el icono Crear nueva red ( ), que
se encuentra en la primera barra de herramientas. Se abrirá la ventana Propiedades de
la red. El tipo de red que Elvira escoge por defecto es Red bayesiana, así que no
necesitamos modificar este valor. En el campo Nombre de red, podemos
escribir Ejemplo1. Luego pulsamos el botón Aceptar.
ESTRUCTURA DE LA RED
Para crear los nodos, vamos a la segunda barra de herramientas, pulsamos sobre el
icono Añadir nodo aleatorio ( ).
Luego hacemos clic en el lugar donde queremos que aparezca el nodo Enfermedad.
Haciendo doble-clic sobre este nodo, se abre la ventana Propiedades de nodo. En el
campo Título de esta ventana escribimos Enfermedad. Pulsando en la
pestaña Valores de la misma ventana podemos comprobar que los valores que Elvira
ha asignado por defecto a esta variable son "presente" y "ausente", precisamente los
que nosotros deseábamos. Por eso pulsamos el botón Aceptar.
Del mismo modo creamos un segundo nodo, hacemos doble-clic sobre él para abrir la
ventana Propiedades de nodo, y en el campo Título escribimos Prueba. En la
pestaña Valores de esta ventana, vamos al campo Tipo de valores y en la lista
desplegable seleccionamos Positivo-Negativo. Luego pulsamos en Aceptar para cerrar
la ventana.
Para completar la estructura de la red, vamos a añadir un enlace desde primer nodo
hasta el segundo. Primero hemos de cambiar de la herramienta Añadir nodo aleatorio (
) a Añadir enlace dirigido ( ), que está también en la segunda barra de
herramientas. Después hay que arrastrar el ratón desde el nodo origen, Enfermedad,
hasta el nodo destino, Prueba. ("Arrastrar" significa pulsar con el botón izquierdo del
ratón sobre el nodo Enfermedad y, sin soltar el botón, desplazamos el puntero hasta el
nodo Prueba.) El resultado debe ser similar al que aparece en la figura anterior.
Si desea mover de posición un nodo, cambie a la herramienta Selección pulsando en el

icono correspondiente de la segunda barra de herramientas ( ) y arrástrelo con el
ratón.
Nota sobre los nombres de los nodos. En Elvira cada nodo tiene un nombre y,
opcionalmente, un título. La diferencia es que el nombre es más restrictivo en cuanto al
tipo de caracteres que puede contener; por ejemplo, el nombre no puede contener
espacios, mientras que el título sí. Además, Elvira a veces da problemas cuando el
nombre de un nodo tiene eñes o caracteres acentuados. Por eso recomendamos que el
nombre contenga sólo letras (excepto la "ñ") sin acentuar, números y el guión bajo, "_".

Universidad Mayor de San Andrés Facultad de Ciencias Puras Y Naturales Carrera de Informática

Cargado por

Copyright:

Formatos disponibles

Universidad Mayor de San Andrés Facultad de Ciencias Puras Y Naturales Carrera de Informática

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

Universidad Mayor de San Andrés Facultad de Ciencias Puras Y Naturales Carrera de Informática

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD MAYOR DE SAN ANDRÉS

FACULTAD DE CIENCIAS PURAS Y NATURALES

“SISTEMA EXPERTO PARA EL DIAGNOSTICO Y TRATAMIENTO DE

PARA OPTAR AL TÍTULO DE LICENCIATURA EN INFORMÁTICA

POSTULANTE: DEDDY DIAMANTINO DIAZ ALANOCA

LA CARRERA DE INFORMÁTICA DE LA FACULTAD DE CIENCIAS PURAS Y

El usuario está autorizado a:

a) visualizar el documento mediante el uso de un ordenador o dispositivo móvil.

El usuario no puede publicar, distribuir o realizar emisión o exhibición alguna de este

TODOS LOS DERECHOS RESERVADOS. EL USO NO AUTORIZADO DE LOS

A mis padres, Roberto y Martha, a mis hermanos

Rino, Lizeth, Carolita y Ricardo y mi enamorada Mariana

quienes me brindaron su apoyo incondicional, en

todo momento de mi carrera y durante la realización

del presente trabajo de investigación, demostrándome

que la esfuerzo, el orden y la responsabilidad son

valores muy fundamentales de una persona.

También a todos mis familiares, que también

me impulsaron para culminar esta Carrera.

Deddy Diamantino Diaz Alanoca

Gracias a Dios por ser mi fortaleza, por guiarme y protegerme

Al Lic. Alex Grover Rodríguez, que en su calidad de tutor me

Al Lic. Javier Hugo Reyes Pacheco, quien me asesoro y

A todas las personas que me ayudaron en la colaboración y

Deddy Diamantino Diaz Alanoca

La presente tesis plantea un Sistema Experto a través de la aplicación de Redes

El trabajo con la ayuda de especialista en Psicología y Educación Especial fue muy

El SE sirve de apoyo a la toma de decisiones, tanto a los profesionales especialistas en

Palabras Clave: Inteligencia Artificial, Sistema Experto, Trastornos del Espectro

He served in support of decision making, both professional specialists in these issues

Keywords: Artificial Intelligence, Expert System, Autism Spectrum Disorders, Bayesian

CAPITULO I MARCO REFERENCIAL

1.1 Introducción ............................................................................................................. 11

CAPITULO II MARCO TEÓRICO

2.1. Inteligencia Artificial................................................................................................ 20

CAPITULO III MARCO APLICATIVO

3.1 Introducción ............................................................................................................ 66

CAPITULO IV EVALUACIÓN DE RESULTADOS

4.1 Introducción ............................................................................................................. 99

CAPITULO V CONCLUSIONES Y RECOMENDACIONES

Conclusiones ............................................................................................................... 103

Tabla 2.1. Historia de las ramas de la Inteligencia Artificial ......................................... 20

Figura 2.0. Primeros Sistemas Expertos ....................................................................... 23

Hoy en día la rama de la informática nos ayuda a representar y permite el tratamiento

Actualmente la informática está muy aplicada en muchos campos de estudio por no

La inteligencia artificial (IA), es la rama de las ciencias de la computación que estudia

Los sistemas expertos (SE), es una rama de la inteligencia artificial, es un sistema

Un SE es básicamente un programa de computadora, basado en conocimientos y

Redes bayesianas (RB), organizan un problema mediante un conjunto de variables y

Las redes bayesianas son elaboradas basándose en conocimientos de expertos,

Trastornos del espectro autista (TEA), se define como un conjunto de trastornos

Se considera que la incidencia de autismo a nivel mundial es de tres a seis niños de

1.2 Planteamiento del problema

Actualmente no existen medios efectivos para prevenir el autismo, ni tratamientos

Según la Trastorno Generalizada Desarrollada (TGD) se caracterizan por una

Revisando la bibliografía que existente no se ha podido encontrar algún SE, sin

Tesis de Grado “Sistema Experto para el diagnóstico de la Ansiedad en personas

1.2.2 Problema central

En la actualidad en Bolivia, el problema de Trastornos del Espectro Autista (ATE), es