UNIVERSIDAD PRIVADA TELESUP

1
 UNIVERSIDAD PRIVADA TELESUP
Prefacio:

La asignatura es de naturaleza teórico - práctica, tiene por objetivo

que el estudiante de adquiera conocimientos sobre las
técnicas y metodologías fundamentales en el
desarrollo de sistemas expertos. El estudiante
desarrollara todas las habilidades para el análisis y
la aplicación de diferentes métodos usados en los
sistemas expertos En el campo de desarrollo de
software, esta disciplina trasciende la actividad
de la programación. Asimismo, pueda desarrollar
las habilidades pertinentes para evaluar, en
cualquier ámbito sistémico de las distintas áreas
de una empresa, incluye el análisis y el
diseño de sistemas informáticos.

Comprende cuatro Unidades de Aprendizaje:

Unidad I: Sistemas expertos basados en reglas.

Unidad II: Sistemas expertos basados en probabilidad.

Unidad III: Modelos probabilísticos y gráficos.

Unidad IV: Propagación exacta en redes probabilísticas.

2
 UNIVERSIDAD PRIVADA TELESUP

Estructura de los Contenidos

Sistemas Modelos
Sistemas Expertos Propagación
Expertos probabilisticos y
Basados en Reglas Basados en exacta en redes
graficos Probabilísticas
Probabilidad

Los Sistemas Construcción de Propagación de

Conceptos
Expertos.
Básicos de Modelos Evidencia.
Probabilidad. Probabilísticos.

Tipos de Sistemas Métodos de

Expertos. La Base del Modelos definidos Propagación
Conocimiento. Gráficamente I. Aproximada.

Sistemas Basados
en Reglas. Algunos Propagación
Modelos Definidos
conceptos Gráficamente II. Simbólica de
sobre grafos. Evidencia.
Control de la
Coherencia.
Tipos de Extensiones de Los Aprendizaje en
Grafos Modelos Gráficos. Redes
Dirigidos. Bayesianas.

La competencia que el estudiante debe lograr al

final de la asignatura es:
“Desarrollar fortalecer y perfeccionar sus
habilidades en las diferentes metodologías usadas
en el análisis de sistemas expertos, a través de
actividades donde aplique diversas técnicas y
estrategias que le permitan resolver problemas”.

3
 UNIVERSIDAD PRIVADA TELESUP
Índice del Contenido
I. PREFACIO 02
II. DESARROLLO DE LOS CONTENIDOS 03 - 156
UNIDAD DE APRENDIZAJE 1:SISTEMAS EXPERTOS BASADOS EN REGLAS 05-46
1. Introducción 06
a. Presentación y contextualización 06
b. Competencia 06
c. Capacidades 06
d. Actitudes 06
e. Ideas básicas y contenido 06
2. Desarrollo de los temas 07-42
a. Tema 01: Los sistemas expertos. 07
b. Tema 02: Tipos de sistemas expertos. 15
c. Tema 03: Sistemas basados en reglas. 25
d. Tema 04: Control de la coherencia. 36
3. Lecturas recomendadas 43
4. Actividades 43
5. Autoevaluación 44
6. Resumen 46
UNIDAD DE APRENDIZAJE 2: SISTEMAS EXPERTOS BASADOS EN PROBABILIDAD 47-86
1. Introducción 48
a. Presentación y contextualización 48
b. Competencia 48
c. Capacidades 48
d. Actitudes 48
e. Ideas básicas y contenido 48
2. Desarrollo de los temas 49-82
a. Tema 01: Conceptos básicos de probabilidad. 49
b. Tema 02: La base del conocimiento. 58
c. Tema 03: Algunos conceptos sobre grafos. 67
d. Tema 04: Tipos de grafos dirigidos. 78
3. Lecturas recomendadas 83
4. Actividades 83
5. Autoevaluación 84
6. Resumen 86
UNIDAD DE APRENDIZAJE 3: MODELOS PROBABILÍSTICOS Y GRÁFICOS 87-124
1. Introducción 88
a. Presentación y contextualización 88
b. Competencia 88
c. Capacidades 88
d. Actitudes 88
e. Ideas básicas y contenido 88
2. Desarrollo de los temas 89-120
a. Tema 01: Construcción de modelos probabilísticos. 89
b. Tema 02: Modelos definidos gráficamente I. 97
c. Tema 03: Modelos definidos gráficamente II. 105
d. Tema 04: Extensiones de los modelos gráficos. 112
3. Lecturas recomendadas 121
4. Actividades 121
5. Autoevaluación 122
6. Resumen 124
UNIDAD DE APRENDIZAJE 4: PROPAGACIÓN EXACTA EN REDES PROBABILÍSTICAS 125-153
1. Introducción 126
a. Presentación y contextualización 126
b. Competencia 126
c. Capacidades 126
d. Actitudes 126
e. Ideas básicas y contenido 126
2. Desarrollo de los temas 127-149
a. Tema 01: Propagación de evidencia. 127
b. Tema 02: Métodos de propagación aproximada. 136
c. Tema 03: Propagación simbólica de evidencia. 140
d. Tema 04: Aprendizaje en redes bayesianas. 145
3. Lecturas recomendadas 150
4. Actividades 150
5. Autoevaluación 151
6. Resumen 153
III. GLOSARIO 154
IV. FUENTES DE INFORMACIÓN 155
V. SOLUCIONARIO 156

4
UNIVERSIDAD PRIVADA TELESUP

5
 UNIVERSIDAD PRIVADA TELESUP
Introducción
a) Presentación y contextualización

Los temas que se tratan en la presente Unidad Temática, tienen por finalidad que
el estudiante conozca el reconocimiento de la voz y el de patrones, ciertos juegos
(como el ajedrez o las damas), y sistemas altamente complejos de tipo
determinista o estocástico, debían ser resueltos por personas. Sin embargo, el
trabajo realizado en las últimas décadas muestra que muchos de estos problemas
pueden ser formulados y resueltos por maquinas basados en sistemas expertos.

b) Competencia
Aplica los fundamentos de los sistemas expertos basados en reglas para
desarrollar los problemas que se presenten.

c) Capacidades

1. Reconoce los sistemas expertos en diferentes sistemas informáticos y físicos.

2. Identifica las diferentes técnicas y/ o tipos de los sistemas expertos.
3. Aplica las técnicas y herramientas de sistemas expertos basados en reglas.
4. Implementa un control de coherencias en sistemas expertos.

d) Actitudes

 Presenta actitud proactiva para las soluciones de los sistemas expertos.

 Perseverancia en el desarrollo de los problemas de los sistemas expertos.

e) Presentación de Ideas básicas y contenido esenciales de la Unidad:

La Unidad de Aprendizaje 01: Sistemas expertos basados en reglas

comprende el desarrollo de los siguientes temas:

TEMA 01: Los Sistemas Expertos.

TEMA 02: Tipos de Sistemas Expertos.
TEMA 03: Sistemas Basados en Reglas.
TEMA 04: Control de la Coherencia.

6
 UNIVERSIDAD PRIVADA TELESUP

Los TEMA 1
Sistemas
Expertos
Competencia:
Reconocer los sistemas expertos en
diferentes sistemas informáticos y físicos.

7
 UNIVERSIDAD PRIVADA TELESUP
Desarrollo de los Temas
Tema 01: Los Sistemas Expertos

El amplio campo que se conoce como inteligencia

artificial (IA) trata de estos problemas, que en un
principio parecían imposibles, intratables y difíciles de
formular utilizando ordenadores. A. Barr y E. A.
Feigenbaum, dos de los pioneros de la investigación en
(IA), definen esta como sigue: “La Inteligencia Artificial
es la parte de la Ciencia que se ocupa del diseño de sistemas de computación
inteligentes, es decir, sistemas que exhiben las características que asociamos a la
inteligencia en el comportamiento humano que se refiere a la comprensión del
lenguaje, el aprendizaje, el razonamiento, la resolución de problemas, etc.”

Hoy en día, el campo de la IA engloba varias sub áreas tales como los sistemas
expertos, la demostración automática de teoremas, el juego automático, el
reconocimiento de la voz y de patrones, el procesamiento del lenguaje natural, la
visión artificial, la robótica, las redes neuronales, etc.
Este libro está dedicado a los sistemas expertos. Aunque los sistemas expertos
constituyen una de las áreas de investigación en el campo de la IA, la mayor parte de
las restantes áreas, si no todas, disponen de una componente de sistemas expertos
formando parte de ellas.

¿QUÉ ES UN SISTEMA EXPERTO?

Los sistemas expertos son máquinas que piensan y
razonan como un experto lo haría en una cierta
especialidad o campo. Por ejemplo, un sistema
experto en diagnostico medico requerirá como
datos los síntomas del paciente, los resultados de
análisis clínicos y otros hechos relevantes, y,
utilizando ´estos, buscaría en una base de datos la información necesaria para poder
identificar la correspondiente enfermedad.

8
 UNIVERSIDAD PRIVADA TELESUP

Un Sistema Experto de verdad, no solo realiza las funciones tradicionales de manejar

grandes cantidades de datos, sino que también manipula esos datos de forma tal que
el resultado sea inteligible y tenga significado para responder a preguntas incluso no
completamente especificadas.
Aunque la anterior es todavía una definición razonable de un sistema experto, han
surgido desde entonces otras definiciones, debido al rápido desarrollo de la tecnología.

Sistema Experto: Un sistema experto puede definirse como un sistema informático

(hardware y software) que simula a los expertos humanos en un área de
especialización dada. Como tal, un sistema experto deberá ser capaz de procesar y
memorizar información, aprender y razonar en situaciones deterministas e inciertas,
comunicar con los hombres y/u otros sistemas expertos, tomar decisiones apropiadas,
y explicar por qué se han tomado tales decisiones. Se puede pensar también en un
sistema experto como un consultor que puede suministrar ayuda a (o en algunos
casos sustituir completamente) los expertos humanos con un grado razonable de
fiabilidad.

Durante la última década se han desarrollado muy rápidamente numerosas

aplicaciones de sistemas expertos a muchos campos. Durkin (1994) examina unos
2,500 sistemas expertos y los clasifica por criterios, tales como áreas de aplicación,
tareas realizadas, etc. Tal como puede verse en la Figura 1.1, la economía, la industria
y la medicina continúan siendo los campos dominantes entre aquellos en los que se
utilizan los sistemas expertos. La sección siguiente muestra algunos ejemplos que
motivan la aplicación de los sistemas expertos en algunos de estos campos.

FIGURA 1.1. Campos de aplicación de los sistemas expertos.

9
 UNIVERSIDAD PRIVADA TELESUP

Ejemplos Ilustrativos
Los sistemas expertos tienen muchas aplicaciones.
En esta sección se dan unos pocos ejemplos
ilustrativos del tipo de problemas que pueden
resolverse mediante sistemas expertos. Otros
ejemplos prácticos se dan a lo largo del libro.
Ejemplo de Transacciones bancarias: No hace
mucho, para hacer una transacción bancaria, tal como depositar o sacar dinero de una
cuenta, uno tenía que visitar el banco en horas de oficina. Hoy en día, esas y otras
muchas transacciones pueden realizarse en cualquier momento del día o de la noche
usando los cajeros automáticos que son ejemplos sencillos de sistemas expertos. De
hecho, se pueden realizar estas transacciones desde casa comunicándose con el
sistema experto mediante la línea telefónica.

Ejemplo de Control de tráfico: El control de tráfico es una de las aplicaciones más

importantes de los sistemas expertos. No hace mucho tiempo, el flujo de tráfico en las
calles de una ciudad se controlaba mediante guardias de tráfico que controlaban el
mismo en las intersecciones. Hoy se utilizan sistemas expertos que operan
automáticamente los semáforos y regulan el flujo del tráfico en las calles de una
ciudad y en los ferrocarriles.
Ejemplo de Problemas de planificación: Los sistemas expertos pueden utilizarse
también para resolver problemas complicados de planificación de forma que se
optimicen ciertos objetivos como, por ejemplo, la organización y asignación de aulas
para la realización de exámenes finales en una gran universidad, de forma tal que se
logren los objetivos siguientes:

1. Eliminar las coincidencias de asignación simultánea

de aulas: Solo se puede realizar un examen en
cada aula al mismo tiempo.
2. Asientos suficientes: Un aula asignada para un
examen debe tener al menos dos asientos por
estudiante.
3. Minimizar los conflictos temporales: Minimizar el
número de alumnos que tienen exámenes
coincidentes.

10
 UNIVERSIDAD PRIVADA TELESUP

4. Eliminar la sobrecarga de trabajo: Ningún alumno debe tener más de dos

exámenes en un periodo de 24 horas.
5. Minimizar el número de exámenes realizados durante las tardes.
Otros ejemplos de problemas de planificación que pueden ser resueltos mediante
sistemas expertos son la planificación de doctores y enfermeras en un gran hospital, la
planificación en una gran factoría, y la planificación de autobuses para las horas de
congestión o de días festivos.

Ejemplo de diagnóstico médico. Una de las aplicaciones más importantes de los

sistemas expertos tiene lugar en el campo médico, donde éstos pueden ser utilizados
para contestar a las siguientes preguntas:

1. ¿Cómo se puede recoger, organizar, almacenar, poner al día y recuperar la

información médica (por ejemplo, registros de pacientes) de una forma eficiente y
rápida? Por ejemplo, supóngase que un doctor en un centro médico está
interesado en conocer información sobre una cierta enfermedad (E) y tres
síntomas asociados (S1, S2, y S3). Se puede utilizar un sistema experto para
buscar en la base de datos, extraer y organizar la información deseada. Esta
información puede resumirse en tablas tales como la dada en la Tabla 1.1 o en
gráficos como el de la Figura 1.2.
2. ¿Cómo se puede aprender de la experiencia? Es decir, como se actualiza el
conocimiento de los doctores en medicina cuando el número de pacientes que
éstos tratan aumenta?

3. Supuesto que un paciente presenta un conjunto de síntomas, ¿cómo se decide

qué enfermedad es la que más probablemente tiene el paciente?
4. ¿Cuáles son las relaciones entre un conjunto (normalmente no observable) de
enfermedades y un conjunto (observable) de síntomas? En otras palabras, ¿qué
modelos pueden utilizarse para describir las relaciones entre los síntomas y las
enfermedades?
5. Dado que el conjunto de síntomas conocidos no es suficiente para diagnosticar la
enfermedad con cierto grado de certeza, ¿qué información adicional debe ser
obtenida (por ejemplo, ¿qué síntomas adicionales deben ser identificados? o ¿qué
pruebas médicas deben realizarse?).

11
 UNIVERSIDAD PRIVADA TELESUP

6. ¿Cuál es el valor de cada una de ´estas piezas de información? En otras palabras,

¿cuál es la contribución de cada uno de los síntomas adicionales o pruebas a la
toma de decisión?

Ejemplo de Agentes secretos. Alberto, Luisa, Carme

n, y Tomas son agentes secretos, cada uno está en uno
de los cuatro países: Egipto, Francia, Japón y España.
No se sabe dónde está cada uno de ellos. Por tanto, se
ha pedido información y se han recibido los cuatro
telegramas siguientes:

 Desde Francia: Luisa está en España.

 Desde España: Alberto está en Francia.

 Desde Egipto: Carmen está en Egipto.

 Desde Japón: Carmen está en Francia.
No se sabe quién es el que ha mandado cada uno de los mensajes, pero se sabe que
Tomas miente (¿un agente doble?) y que los demás agentes dicen la verdad.

FIGURA 1.2. Una representación gráfica de la distribución de frecuencias de una

enfermedad (D) y tres síntomas binarios (S1, S2, y S3) en una base de datos médica.

12
 UNIVERSIDAD PRIVADA TELESUP

TABLA 1.1. Una representación tabular de la distribución de frecuencias de una

enfermedad (D) y tres síntomas binarios (S1, S2, y S3) en una base de datos médica
(1 representa la presencia y 0 representa la ausencia de la enfermedad o el síntoma
indicado).

¿POR QUÉ LOS SISTEMAS EXPERTOS?

El desarrollo o la adquisición de un sistema experto es
generalmente caro, pero el mantenimiento y el coste
marginal de su uso repetido es relativamente bajo. Por otra
parte, la ganancia en términos monetarios, tiempo, y
precisión resultantes del uso de los sistemas expertos son
muy altas, y la amortización es muy rápida. Sin embargo,
antes de desarrollar o adquirir un sistema experto debe realizarse un análisis de
factibilidad y de coste-beneficio.

Hay varias razones para utilizar sistemas expertos. Las más importantes son:
1. Con la ayuda de un sistema experto, personal con poca experiencia puede
resolver problemas que requieren un conocimiento de experto. Esto es también
importante en casos en los que hay pocos expertos humanos. Además, el número
de personas con acceso al conocimiento aumenta con el uso de sistemas
expertos.

13
 UNIVERSIDAD PRIVADA TELESUP

2. El conocimiento de varios expertos humanos puede

combinarse, lo que da lugar a sistemas expertos más
fiables, ya que se obtiene un sistema experto que
combina la sabiduría colectiva de varios expertos
humanos en lugar de la de uno solo.
3. Los sistemas expertos pueden responder a preguntas
y resolver problemas mucho más rápidamente que un
experto humano. Por ello, los sistemas son muy valiosos en casos en los que el
tiempo de respuesta es crítico.

4. En algunos casos, la complejidad del problema impide al experto humano

resolverlo. En otros casos la solución de los expertos humanos no es fiable.
Debido a la capacidad de los ordenadores de procesar un elevadísimo número de
operaciones complejas de forma rápida y aproximada, los sistemas expertos
suministran respuestas rápidas y fiables en situaciones en las que los expertos
humanos no pueden.
5. Los sistemas expertos pueden ser utilizados para realizar operaciones
monótonas, aburridas e inconfortables para los humanos. En verdad, los sistemas
expertos pueden ser la ´única solución viable en una situación en la que la tarea a
realizar desborda al ser humano (por ejemplo, un avión o una capsula espacial
dirigida por un sistema experto).

6. Se pueden obtener enormes ahorros mediante el uso de sistemas expertos. El

uso de los sistemas expertos se recomienda especialmente en las situaciones
siguientes:
7. Cuando el conocimiento es difícil de adquirir o se basa en reglas que solo pueden
ser aprendidas de la experiencia.
8. Cuando la mejora continua del conocimiento es esencial y/o cuando el problema
está sujeto a reglas o códigos cambiantes.
9. Cuando los expertos humanos son caros o difíciles de encontrar.
10. Cuando el conocimiento de los usuarios sobre el tema es limitado.

14
UNIVERSIDAD PRIVADA TELESUP

Tipos
de TEMA 2
Sistemas
Expertos
Competencia:
Identificar las diferentes técnicas y/ o tipos
de los sistemas expertos.

15
 UNIVERSIDAD PRIVADA TELESUP

Tema 02: Tipos de Sistemas Expertos

Los problemas con los que pueden tratar los sistemas

expertos pueden clasificarse en dos tipos: problemas
esencialmente deterministas y problemas esencialmente
estocásticos. Consecuentemente, los sistemas expertos
pueden clasificarse en dos tipos principales según la
naturaleza de problemas para los que están diseñados:
deterministas y estocásticos. Los problemas de tipo determinista pueden ser
formulados usando un conjunto de reglas que relacionen varios objetos bien definidos.
Los sistemas expertos que tratan problemas deterministas son conocidos como
sistemas basados en reglas, porque sacan sus conclusiones basándose en un
conjunto de reglas utilizando un mecanismo de razonamiento lógico.

En situaciones inciertas, es necesario introducir algunos medios para tratar la

incertidumbre. Por ejemplo, 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, usados en las conchas para generar sistemas
expertos tales como el sistema experto MYCIN; la lógica
difusa y la teoría de la evidencia de Dempster y Shafer.
Otra medida intuitiva de incertidumbre es la probabilidad, en
la que la distribución conjunta de un conjunto de variables se
usa para describir las relaciones de dependencia entre ellas, y se
sacan conclusiones usando formulas muy conocidas de la teoría de la
probabilidad.

16
 UNIVERSIDAD PRIVADA TELESUP

Este es el caso del sistema experto PROSPECTOR, que utiliza el teorema de Bayes
para la exploración de mineral. Los sistemas expertos que utilizan la probabilidad
como medida de incertidumbre se conocen como sistemas expertos probabilísticos y
la estrategia de razonamiento que usan se conoce como razonamiento probabilístico,
o inferencia probabilística. Este libro está dedicado a los sistemas expertos de tipo
probabilístico.

En los comienzos de los sistemas expertos de tipo probabilístico surgieron varios

obstáculos, debido a las dificultades encontradas para definir la distribución de
probabilidad conjunta de las variables. Ello ha ralentizado su desarrollo. Con la
introducción de los modelos de redes probabilísticas, estos obstáculos se han
superado y los sistemas expertos probabilísticos han vuelto de forma espectacular
durante las dos últimas décadas.

Estos modelos, que incluyen las redes de Markov y las Bayesianas, se basan en una
representación gráfica de las relaciones entre las variables. Esta representación
conduce no solo a formas más eficientes de definir la distribución conjunta de
probabilidad sino también a una propagación de incertidumbre muy eficiente, que
permite sacar conclusiones. Componentes de un Sistema Experto Las definiciones de
sistemas expertos dadas se entienden mejor cuando se examinan las principales
componentes de los sistemas expertos. Estas componentes se muestran
esquemáticamente en la Figura 1.3 y se explican seguidamente.

17
 UNIVERSIDAD PRIVADA TELESUP

Figura 1.3 Componentes típicos de un sistema experto.

Componente Humano

Un sistema experto es generalmente el resultado de la colaboración de uno o varios

expertos humanos especialistas en el tema de estudio y los ingenieros del
conocimiento, con los usuarios en mente. Los expertos humanos suministran el
conocimiento básico en el tema de interés, y los ingenieros del conocimiento trasladan
este conocimiento a un lenguaje, que el sistema experto pueda entender. La
colaboración de los expertos humanos, los ingenieros del conocimiento y los usuarios
es, quizás, el elemento más importante en el desarrollo de un sistema experto. Esta
etapa requiere una enorme dedicación y un gran esfuerzo debido a los diferentes
lenguajes que hablan las distintas partes y a las diferentes experiencias que tienen.

18
 UNIVERSIDAD PRIVADA TELESUP

LA BASE DE CONOCIMIENTO
Los especialistas son responsables de suministrar a los ingenieros del conocimiento
una base de conocimiento ordenada y estructurada, y un conjunto de relaciones bien
definidas y explicadas. Esta forma estructurada de pensar requiere que los expertos
humanos repiensen, reorganicen, y reestructuren la base de conocimiento y, como
resultado, el especialista se convierte en un mejor conocedor de su propio campo de
especialidad. Hay que diferenciar entre datos y conocimiento. El conocimiento se
refiere a afirmaciones de validez general tales como reglas, distribuciones de
probabilidad, etc. Los datos se refieren a la información relacionada con una aplicación
particular.

Por ejemplo, en diagnóstico médico, los síntomas, las enfermedades y las relaciones
entre ellos, forman parte del conocimiento, mientras los síntomas particulares de un
paciente dado forman parte de los datos. Mientras el conocimiento es permanente, los
datos son efímeros, es decir, no forman parte de la componente permanente de un
sistema y son destruidos después de usarlos. El conocimiento se almacena en la base
de Conocimiento y los datos se almacenan en la memoria de trabajo. Todos los
Procedimientos de los diferentes sistemas y subsistemas que son de carácter
transitorio se almacenan también en la memoria de trabajo.

SUBSISTEMA DE ADQUISICIÓN DE CONOCIMIENTO

El subsistema de adquisición de conocimiento controla el flujo del nuevo conocimiento
que fluye del experto humano a la base de datos. El sistema determina que nuevo
conocimiento se necesita, o si el conocimiento recibido es en realidad nuevo, es decir,
si debe incluirse en la base de datos y, en caso necesario, incorpora estos
conocimientos a la misma.
Control de la Coherencia
El subsistema de control de la coherencia ha aparecido en los sistemas expertos muy
recientemente. Sin embargo, es una componente esencial de un sistema experto. Este
subsistema controla la consistencia de la base de datos y evita que unidades de
conocimiento inconsistentes entren en la misma. En situaciones complejas incluso un
experto humano puede formular afirmaciones inconsistentes.

19
 UNIVERSIDAD PRIVADA TELESUP

Por ello, sin un subsistema de control de la coherencia, unidades

de conocimiento contradictorio pueden formar parte de la base de
conocimiento, dando lugar a un comportamiento insatisfactorio del
sistema. Es también bastante común, especialmente en sistemas
con mecanismos de propagación de incertidumbre, que se llegue a
conclusiones absurdas o en conflicto como, por ejemplo,
situaciones en las que el sistema genera probabilidades mayores
que la unidad o negativas. Por ello, el subsistema de control de la coherencia
comprueba e informa a los expertos de las inconsistencias. Por otra parte, cuando se
solicita información de los expertos humanos, éste subsistema informa sobre las
restricciones que ésta debe cumplir para ser coherente con la existente en la base de
conocimiento. De esta forma, ayuda a los expertos humanos a dar información fiable.

MOTOR DE INFERENCIA
El motor de inferencia es el corazón de todo sistema experto. El cometido principal de
esta componente es el de sacar conclusiones aplicando el conocimiento a los datos.
Por ejemplo, en diagnóstico médico, los síntomas de un paciente (datos) son
analizados a la luz de los síntomas y las enfermedades y de sus relaciones
(conocimiento). Las conclusiones del motor de inferencia pueden estar basadas en
conocimiento determinista o conocimiento probabilístico. Como puede esperarse, el
tratamiento de situaciones de incertidumbre (probabilísticas) puede ser
considerablemente más difícil que el tratamiento de situaciones ciertas (deterministas).

En muchos casos, algunos hechos (datos) no se conocen con

absoluta certeza. Por ejemplo, piénsese en un paciente que no
está seguro de sus síntomas. Puede darse el caso de tener que
trabajar con conocimiento de tipo no determinista, es decir, de
casos en los que se dispone solo de información aleatoria o
difusa. El motor de inferencia es también responsable de la propagación de este
conocimiento incierto. De hecho, en los sistemas expertos basados en probabilidad, la
propagación de incertidumbre es la tarea principal del motor de inferencia, que permite
sacar conclusiones bajo incertidumbre. Esta tarea es tan compleja que da lugar a que
ésta sea probablemente la componente más débil de casi todos los sistemas expertos
existentes. Por esta razón, la mayor parte de este libro se dedica al análisis y
resolución del problema de la propagación de incertidumbre.

20
 UNIVERSIDAD PRIVADA TELESUP

EL SUBSISTEMA DE ADQUISICIÓN DE CONOCIMIENTO

Si el conocimiento inicial es muy limitado y no se pueden sacar conclusiones, el motor
de inferencia utiliza el subsistema de adquisición de conocimiento para obtener el
conocimiento necesario y continuar con el proceso de inferencia hasta que se hayan
sacado conclusiones. En algunos casos, el usuario puede suministrar la información
requerida para ´este y otros objetivos. De ello resulta la necesidad de una interface de
usuario y de una comprobación de la consistencia de la información suministrada por
el usuario antes de introducirla en la memoria de trabajo.

INTERFACE DE USUARIO
La interface de usuario es el enlace entre el sistema experto y el usuario. Por ello, para
que un sistema experto sea una herramienta efectiva, debe incorporar mecanismos
eficientes para mostrar y obtener información de forma fácil y agradable. Un ejemplo
de la información que tiene que ser mostrada tras el trabajo del motor de inferencia, es
el de las conclusiones, las razones que expliquen tales conclusiones y una explicación
de las acciones iniciadas por el sistema experto. Por otra parte, cuando el motor de
inferencia no puede concluir debido, por ejemplo, a la ausencia de información, la
interface de usuario es un vehículo para obtener la información necesaria del usuario.
Consecuentemente, una implementación inadecuada de la interface de usuario que no
facilite este proceso minaría notablemente la calidad de un sistema experto.

Otra razón de la importancia de la interface de usuario es que los usuarios evalúan

comúnmente los sistemas expertos y otros sistemas por la calidad de dicha interface
más que por la del sistema experto mismo, aunque no se debería juzgar la calidad de
un libro por su portada.
El Subsistema de Ejecución de Ordenes
El subsistema de ejecución de órdenes es la componente que permite al sistema
experto iniciar acciones. Estas acciones se basan en las conclusiones sacadas por el
motor de inferencia. Como ejemplos, un sistema experto diseñado para analizar el
tráfico ferroviario puede decidir retrasar o parar ciertos trenes para optimizar el tráfico
global, o un sistema para controlar una central nuclear puede abrir o cerrar ciertas
válvulas, mover barras, etc., para evitar un accidente. La explicación de las razones
por las que se inician estas acciones pueden darse al usuario mediante el subsistema
de explicación.

21
 UNIVERSIDAD PRIVADA TELESUP

EL SUBSISTEMA DE EXPLICACIÓN
El usuario puede pedir una explicación de
las conclusiones sacadas o de las acciones
iniciadas por el sistema experto. Por ello, es
necesario un subsistema que explique el
proceso seguido por el motor de inferencia o
por el subsistema de ejecución. Por
ejemplo, si un cajero automático decide
rechazar la palabra clave (una acción), la maquina puede mostrar un mensaje (una
explicación) como la siguiente:

¡Lo siento!, su palabra clave es todavía incorrecta tras tres intentos.

Retenemos su tarjeta de crédito, para garantizar su seguridad.
Por favor, póngase en contacto con su banco en horas de oficina

En muchos dominios de aplicaciones, es necesaria la explicación de las conclusiones

debido a los riesgos asociados con las acciones a ejecutar. Por ejemplo, en el campo
del diagnóstico médico, los doctores son responsable ´últimos de los diagnósticos,
independientemente de las herramientas técnicas utilizadas para sacar conclusiones.
En estas situaciones, sin un subsistema de explicación, los doctores pueden no ser
capaces de explicar a sus pacientes las razones de su diagnóstico.

El Subsistema de Aprendizaje
Una de las principales características de un
sistema experto es su capacidad para aprender.
Diferenciaremos entre aprendizaje estructural y
aprendizaje paramétrico. Por aprendizaje
estructural nos referimos a algunos aspectos
relacionados con la estructura del conocimiento
(reglas, distribuciones de probabilidad, etc.).

22
 UNIVERSIDAD PRIVADA TELESUP

Por ello, el descubrimiento de nuevos síntomas

relevantes para una enfermedad o la inclusión de
una nueva regla en la base de conocimiento son
ejemplos de aprendizaje estructural. Por
aprendizaje paramétrico nos referimos a estimar
los parámetros necesarios para construir la base
de conocimiento. Por ello, la estimación de
frecuencias o probabilidades asociadas a síntomas
o enfermedades es un ejemplo de aprendizaje paramétrico.

Otra característica de los sistemas expertos es su habilidad para obtener experiencia a

partir de los datos disponibles. Estos datos pueden ser obtenidos por expertos y no
expertos y pueden utilizarse por el subsistema de adquisición de conocimiento y por el
subsistema de aprendizaje. De las componentes antes mencionadas puede verse que
los sistemas expertos pueden realizar varias tareas.

Estas tareas incluyen, pero no se limitan a, las siguientes:

Adquisición de conocimiento y la verificación de su coherencia; por lo que el
sistema experto puede ayudar a los expertos humanos a dar conocimiento
coherente.
Almacenar (memorizar) conocimiento.
Preguntar cuando se requiere nuevo conocimiento.
Realizar inferencia y razonamiento en situaciones deterministas y de
incertidumbre.
Explicar conclusiones o acciones tomadas.
Comunicar con los expertos y no expertos humanos y con otros sistemas
expertos.

23
 UNIVERSIDAD PRIVADA TELESUP

Desarrollo de un Sistema Experto

Weiss y Kulikowski (1984) sugieren las etapas siguientes para el diseño e
implementación de un sistema experto, Figura 1.4.

Figura 1.4 Etapas en el desarrollo de un sistema experto.

Planteamiento del problema.

La primera etapa en cualquier proyecto es normalmente la definición del problema a
resolver. Puesto que el objetivo principal de un sistema experto es responder a
preguntas y resolver problemas, esta etapa es quizás la más importante en el
desarrollo de un sistema experto. Si el sistema está mal definido, se espera que el
sistema suministre respuestas erróneas.

24
 UNIVERSIDAD PRIVADA TELESUP

Sistemas
TEMA 3
Basados
en
Reglas
Competencia:
Aplicar las técnicas y herramientas de
sistemas expertos basados en reglas.

25
 UNIVERSIDAD PRIVADA TELESUP

Tema 03: Sistemas Basados en Reglas

En nuestra vida diaria encontramos muchas situaciones

complejas gobernadas por reglas deterministas: sistemas
de control de tráfico, sistemas de seguridad,
transacciones bancarias, etc. Los sistemas basados en
reglas son una herramienta eficiente para tratar estos
problemas. Las reglas deterministas constituyen la más
sencilla de las metodologías utilizadas en sistemas expertos. La base de conocimiento
contiene el conjunto de reglas que definen el problema, y el motor de inferencia saca
las conclusiones aplicando la lógica clásica a estas reglas.

El libro de Pedersen (1989) muestra un enfoque práctico e incluye varios algoritmos.

Describe la base de conocimiento de los sistemas expertos basados en reglas y da
una definición y ejemplos de reglas, que constituyen el corazón de la base de
conocimiento. Seguidamente, se discute como opera el motor de inferencia.

Tabla 2.1 Un ejemplo de objetos con sus posibles valores.

LA BASE DE CONOCIMIENTO

En los sistemas basados en reglas intervienen dos

elementos importantes: la base de conocimiento y
los datos. Los datos están formados por la
evidencia o los hechos conocidos en una situación
particular. Este elemento es dinámico, es decir,
puede cambiar de una aplicación a otra. Por esta razón, no es de naturaleza
permanente y se almacena en la memoria de trabajo. En situaciones deterministas, las
relaciones entre un conjunto de objetos pueden ser representadas mediante un
conjunto de reglas.

26
 UNIVERSIDAD PRIVADA TELESUP

El conocimiento se almacena en la base de

conocimiento y consiste en un conjunto de objetos
y un conjunto de reglas que gobiernan las
relaciones entre esos objetos. La información
almacenada en la base de conocimiento es de
naturaleza permanente y estática, es decir, no
cambia de una aplicación a otra, a menos que se
incorporen al sistema experto elementos de
aprendizaje. Para dar una idea intuitiva de lo que es una regla, supóngase que se
tiene un conjunto de objetos y, por simplicidad, que cada objeto puede tener uno y solo
uno de un conjunto de posibles valores. Ejemplos de objetos con sus posibles valores
se dan en la Tabla 2.1. Seguidamente se dan unos pocos ejemplos de reglas:
Regla 1: Si nota > 9, entonces calificación = sobresaliente.
Regla 2: Si puesto < 20 o nota > 7, entonces Admitir = sı y Notificar =sı.

Cada una de las reglas anteriores relaciona dos o más objetos y está formada por las
partes siguientes:
• La premisa de la regla, que es la expresión lógica entre las palabras clave si y
entonces. La premisa puede contener una o más afirmaciones objeto-valor
conectadas con operadores lógicos y, o, o no. Por ejemplo, la premisa de la Regla
1 consta de una única afirmación objeto-valor, mientras que las premisas de la
Regla 2 constan de dos afirmaciones objeto-valor conectadas por un operador
lógico.
• La conclusión de la regla, que es la expresión lógica tras la palabra clave entonces.

REGLA. Una regla es una afirmación lógica que

relaciona dos o más objetos e incluye dos partes, la
premisa y la conclusión. Cada una de estas partes
consiste en una expresión lógica con una o más
afirmaciones objeto-valor conectadas mediante los
operadores lógicos y, o, o no. Una regla se escribe
normalmente como “Si premisa, entonces conclusión”. En general, ambas, la premisa
y la conclusión de una regla, pueden contener afirmaciones múltiples objeto-valor.

27
 UNIVERSIDAD PRIVADA TELESUP

Una expresión lógica que contiene solo una afirmación objeto-valor se denomina
expresión lógica simple; en caso contrario, la expresión se dice expresión lógica
compuesta. Por ejemplo, las expresiones lógicas en ambas, premisa y conclusión de
la Regla 1, son simples, mientras que las expresiones lógicas de las premisas y la
conclusión de la Regla 2 es compuesta. Correspondientemente, una regla que
contiene solamente expresiones lógicas simples se denomina una regla simple; en
otro caso, se llama regla compuesta. Por ejemplo, la Regla 1 es simple, mientras que
la Reglas 2 es compuesta.

CAJERO AUTOMÁTICO. Como ejemplo de problema determinista que puede ser

formulado usando un conjunto de reglas, considérese una situación en la que un
usuario (por ejemplo, un cliente) desea sacar dinero de su cuenta corriente mediante
un cajero automático (CA). En cuanto el usuario introduce la tarjeta en el CA, la
maquina la lee y la verifica. Si la tarjeta no es verificada con éxito (por ejemplo, porque
no es legible), el CA devuelve la tarjeta al usuario con el mensaje de error
correspondiente. En otro caso, el CA pide al usuario su número de identificación
personal (NIP). Si el número fuese incorrecto, se dan tres oportunidades de corregirlo.
Si el NIP es correcto, el CA pregunta al usuario cuánto dinero desea sacar. Para que
el pago se autorice, la cantidad solicitada no debe exceder de una cierta cantidad
límite diaria, además de haber suficiente dinero en su cuenta.

En este caso se tienen siete objetos, y cada objeto puede tomar uno y solo un valor de
entre sus posibles valores. La Tabla muestra estos objetos y sus posibles valores. La
Figura muestra siete reglas que gobiernan la estrategia que el CA debe seguir cuando
un usuario intenta sacar dinero de su cuenta. En la Regla 1, por ejemplo, la premisa
consiste en seis afirmaciones objeto - valor conectado mediante el operador lógico y,
lo que indica que la premisa es cierta si las seis afirmaciones lo son. Por ello, la Regla
1 relaciona el objeto Pago (en la conclusión) con los demás objetos. Según la Regla 1,
la acción que debe iniciar el CA es dar el dinero al usuario si la tarjeta se ha verificado
correctamente, la fecha no ha expirado, el NIP es correcto, el número de intentos para
dar el NIP correcto no se ha excedido y la cantidad solicitada no excede ni la cantidad
disponible ni el límite máximo diario. Las expresiones lógicas en cada una de las
restantes reglas de la Figura 1.5 constan de una sola afirmación. Nótese que la Regla
1 indica cuando debe permitirse el pago, y las restantes cuando debe rechazarse.

28
 UNIVERSIDAD PRIVADA TELESUP

Tabla 2.2 Objetos y posibles valores para el ejemplo del cajero automático.

Gente famosa: Supóngase que se dispone de una base de datos consistente en N

individuos. Para cada individuo, la base de datos contiene cuatro atributos: nombre,
sexo, nacionalidad y profesión. Supóngase que la base de datos muestra solo si una
persona es americana, política y/o si es mujer. Cada uno estos atributos es binario
(toma solo dos valores posibles). En este caso, la base de datos puede contener,
como mucho, 23 = 8 conjuntos disjuntos. Estos conjuntos se muestran en la Figura
1.6. La figura muestra también el nombre de una persona en cada subconjunto. La
Tabla 2.3 da un ejemplo de una base de datos que contiene N = 8 personas famosas.
En este caso se tienen cuatro objetos: Nombre, americano,

Político, y Mujer. El primer objeto puede tomar

uno de N posibles valores (los nombres de cada
persona) y cada uno de los tres últimos objetos
pueden tomar el valor sí o el valor no. A partir de la
Tabla 2.3 se pueden construir reglas para identificar
a cada persona, resultando un total de ocho reglas.
Por ejemplo, la regla siguiente corresponde al
presidente Clinton:

Regla 1: Si Nombre = Clinton, entonces Americano = sí y Político = sí y Mujer = no.

Las restantes siete reglas pueden construirse de forma análoga.

29
 UNIVERSIDAD PRIVADA TELESUP

FIGURA 1.5. Ejemplos de reglas para sacar dinero de un cajero automático.

Nombre American Político Mujer

Barbara Jordan o sı́ sı́ sı́
Bill Clinton sı́ sı́ no
Barbara Walters sı́ no sı́
Mohammed Ali sı́ no no
Margaret no sı́ sı́
Thatcher Anwar no sı́ no
El-Sadat Marie no no sı́
Curie no no no
Pablo Picasso

TABLA 2.3. Una base de datos mostrando cuatro objetos y sus valores
correspondientes para el ejemplo de las personas famosas.

30
 UNIVERSIDAD PRIVADA TELESUP

FIGURA 1.6. Un ejemplo de una base de datos con tres atributos binarios que dividen
la población en ocho conjuntos disjuntos.

Algunos sistemas imponen ciertas restricciones a las reglas. Por ejemplo:

• No permitir en la premisa el operador lógico o, y
• Limitar las conclusiones a expresiones lógicas simples.
Hay buenas razones para imponer estas restricciones. En primer lugar, las reglas que
satisfacen estas restricciones son fáciles de tratar a la hora de escribir un programa de
ordenador. En segundo lugar, las dos restricciones anteriores no dan lugar a una
pérdida de generalidad, puesto que reglas mucho más generales pueden ser
reemplazadas por conjuntos de reglas de esta forma. A esto se le llama sustitución de
reglas. Por tanto, el conjunto de reglas especificado inicialmente por el experto
humano puede requerir una sustitución posterior por un conjunto de reglas equivalente
para satisfacer estas restricciones.

La Tabla 2.4 da ejemplos de sustitución de reglas.

Nótese que cada regla de la primera columna
puede ser sustituida por el correspondiente
conjunto de reglas de la segunda columna y que
todas las reglas de ´esta satisfacen las
condiciones anteriores. Por ejemplo, la primera
regla compuesta de la Tabla 2.4: • Regla 1: Si A o
B, entonces C, Puede ser reemplazada por las dos reglas simples:

31
 UNIVERSIDAD PRIVADA TELESUP

TABLA 2.4. Ejemplos de sustitución de reglas: Las reglas en la primera columna son
equivalentes a las reglas de la segunda columna. Nótese que en los seis primeros
ejemplos las sustituciones se aplican a la premisa y en los cuatro últimos, a la
conclusión.

• Regla 1a: Si A, entonces C.

• Regla 1b: Si B, entonces C.
Como ejemplo adicional, la Tabla 2.5 muestra que:
• Regla 2: Si A o B, entonces C, puede ser reemplazada por la regla
• Regla 2: Si ¯A y ¯B, entonces C, donde ¯A significa no A. La Tabla 2.5 se llama
tabla de verdad.

TABLA 2.5. Una tabla de verdad mostrando que las expresiones

lógicas A o B y ¯A y ¯B son equivalentes. Los símbolos C y F se utilizan
para cierto y falso, respectivamente.

32
 UNIVERSIDAD PRIVADA TELESUP

EL MOTOR DE INFERENCIA
Tal como se ha mencionado en la sección anterior, hay dos
tipos de elementos: los datos (hechos o evidencia) y el
conocimiento (el conjunto de reglas almacenado en la base
de conocimiento). El motor de inferencia usa ambos para
obtener nuevas conclusiones o hechos. Por ejemplo, si la
premisa de una regla es cierta, entonces la conclusión de la
regla debe ser también cierta. Los datos iníciales se
incrementan incorporando las nuevas conclusiones. Por ello,
tanto los hechos iníciales o datos de partida como las conclusiones derivadas de ellos
forman parte de los hechos o datos de que se dispone en un instante dado.

Las conclusiones pueden clasificarse en dos tipos: simples y compuestas.

Las conclusiones simples son las que resultan de una regla simple. Las conclusiones
compuestas son las que resultan de más de una regla. Para obtener conclusiones, los
expertos utilizan diferentes tipos de reglas y estrategias de inferencia. En el resto de
esta sección se discuten las reglas de inferencia
• Modus Ponens,
• Modus Tollens,
• Resolución, y las estrategias de inferencia
• Encadenamiento de reglas,
• Encadenamiento de reglas orientado a un objetivo,
• Compilación de reglas, que son utilizadas por el motor de inferencia para obtener
conclusiones simples y compuestas.

Las dos primeras reglas de inferencia se usan para

obtener conclusiones simples y el resto de reglas y
estrategias para obtener conclusiones compuestas.
Nótese, sin embargo, que ninguna de las estrategias
anteriores, si se implementan solas, conduce a todas las
conclusiones posibles. Por ello, deben implementarse
varias reglas y estrategias en el sistema experto para
que el motor de inferencia sea capaz de obtener tantas
conclusiones como sea posible.

33
 UNIVERSIDAD PRIVADA TELESUP

MODUS PONENS Y MODUS TOLLENS

El Modus Ponens es quizás la regla de inferencia más comúnmente utilizada. Se
utiliza para obtener conclusiones simples. En ella, se examina la premisa de la regla, y
si es cierta, la conclusión pasa a formar parte del conocimiento. Como ilustración,
supóngase que se tiene la regla, “Si A es cierto, entonces B es cierto” y que se sabe
además que “A es cierto.” Entonces, tal como muestra la Figura 1.7, la regla Modus
Ponens concluye que “B es cierto.” Esta regla de inferencia, que parece trivial, debido
a su familiaridad, es la base de un gran número de sistemas expertos.

FIGURA 1.7. Una ilustración de la regla de inferencia Modus Ponens.

La regla de inferencia Modus Tollens se utiliza también para obtener conclusiones

simples. En este caso se examina la conclusión y si es falsa, se concluye que la
premisa también es falsa. Por ejemplo, supóngase de nuevo que se tiene la regla, “Si
A es cierto, entonces B es cierto” pero se sabe que “B es falso.” Entonces, utilizando la
regla Modus Ponens no se puede obtener ninguna conclusión, pero, tal como se
muestra en la Figura 1.8, la regla Modus Tollens concluye que “A es falso.” Aunque
muy simple y con muchas aplicaciones útiles, la regla Modus Tollens es menos
utilizada que la Modus Ponens. Por ello, la regla Modus Ponens se mueve hacia
adelante, es decir, de la premisa a la conclusión de una regla, mientras que la regla
Modus Tollens se mueve hacia atrás, es decir, de la conclusión a la premisa. Las dos
reglas de inferencia no deben ser vistas como alternativas sino como
complementarias.

34
 UNIVERSIDAD PRIVADA TELESUP

FIGURA 1.8. Una ilustración de la regla Modus Tollens.

La regla Modus Ponens necesita información de los objetos de la premisa para

concluir, mientras que la regla Modus Tollens necesita información sobre los objetos
de la conclusión. De hecho, para un motor de inferencia que solamente utiliza Modus
Ponens, la incorporación de la regla de inferencia Modus Tollens puede ser
considerada como una expansión de la base de conocimiento mediante la adición de
reglas, tal como ilustra el ejemplo que sigue. Ejemplo 2.3 La regla Modus Tollens
equivale a una expansión de la base de conocimiento. Supóngase que la base de
conocimiento consiste sólo en la Regla 1, que se muestra en la Figura 1.9. Se puede
utilizar la regla de inferencia Modus Tollens para “invertir” la Regla 1 y obtener alguna
conclusión cuando se tiene información sobre los objetos de su conclusión.

B¯ , entonces A¯.” En este caso de Regla 1, utilizando la equivalencia

A = C y B = C ⇔ A = F o B = F,

Entonces, aplicar la regla Modus Tollens a la regla “Si A, entonces B” es equivalente a

aplicar la regla Modus Ponens a la regla “Si se obtiene la Regla 1b, que se muestra en
la Figura 1.10. Por ello, utilizar ambas, las reglas Modus Ponens y Modus Tollens
cuando la base de conocimiento contiene sólo la Regla 1, es equivalente a usar la
regla Modus Ponens cuando la base de conocimiento contiene ambas, la Regla 1 y la
Regla 1b. Por otra parte, el rendimiento del motor de inferencia depende del con-
junto de reglas en su base de conocimiento. Hay situaciones en las que el motor de
inferencia puede concluir utilizando un conjunto de reglas, pero no puede, utilizando
otro (aunque ´estos sean lógicamente equivalentes). A continuación se da un ejemplo
ilustrativo.

35
 UNIVERSIDAD PRIVADA TELESUP

Control TEMA 4
de la
Coherencia

Competencia:
Implementar un control de coherencias en
sistemas expertos.

36
 UNIVERSIDAD PRIVADA TELESUP

Tema 04: Control de la Coherencia

En situaciones complejas, incluso verdaderos expertos

pueden dar información inconsistente (por ejemplo, reglas
inconsistentes y/o combinaciones de hechos no factibles).
Por ello, es muy importante controlar la coherencia del
conocimiento tanto durante la construcción de la base de
conocimiento como durante los procesos de adquisición
de datos y razonamiento. Si la base de conocimiento
contiene información inconsistente (por ejemplo, reglas y/o hechos), es muy probable
que el sistema experto se comporte de forma poco satisfactoria y obtenga
conclusiones absurdas.

El objetivo del control de la coherencia consiste en:

1. Ayudar al usuario a no dar hechos inconsistentes, por ejemplo, dándole al usuario

las restricciones que debe satisfacer la información demandada.
2. Evitar que entre en la base de conocimiento cualquier tipo de conocimiento
inconsistente o contradictorio.

El control de la coherencia debe hacerse controlando la coherencia de las reglas y la

de los hechos.

TABLA 2.8. Una tabla de verdad que muestra que las Reglas 1 y 2 son
coherentes.

37
 UNIVERSIDAD PRIVADA TELESUP

COHERENCIA DE REGLAS
Reglas coherentes. Un conjunto de reglas se
denomina coherente si existe, al menos, un
conjunto de valores de todos los objetos que
producen conclusiones no contradictorias. En
consecuencia, un conjunto coherente de reglas no
tiene porque producir conclusiones no
contradictorias para todos los posibles conjuntos
de valores de los objetos. Es decir, es suficiente que exista un conjunto de valores
que conduzcan a conclusiones no contradictorias.

Ejemplo 2.13 Conjunto de reglas incoherentes. Considérense las cuatro reglas

siguientes, que relacionan dos objetos A y B binarios {C, F }:
• Regla 1: Si A = C, entonces B = C.
• Regla 2: Si A = C, entonces B = F.
• Regla 3: Si A = F, entonces B = C.
• Regla 4: Si A = F, entonces B = F.
Entonces, pueden obtenerse las siguientes conclusiones:
1. Las Reglas 1−2 son coherentes puesto que, tal como se muestra en la Tabla 2.8,
para A = F , no producen conclusiones.
2. Las Reglas 1−3 son coherentes puesto que para A = F y B = C , producen una
conclusión (B = C ) (véase la Tabla 2.9).
3. Las Reglas 1−4 son incoherentes porque producen conclusiones contradictorias
para todos los posibles valores de A y B, tal como se ve en la Tabla 2.10.

Nótese que un conjunto de reglas puede ser coherente,

aunque algunos conjuntos de valores puedan producir
conclusiones inconsistentes. Estos conjuntos de
valores se llaman valores no factibles. Por ejemplo, las
Reglas 1−2 son coherentes, aunque producen
conclusiones inconsistentes en todos los casos en que
A = C. en consecuencia el subsistema de control de coherencia eliminara
automáticamente el valor C de la lista de posibles valores del objeto A, permitiendo
de esta forma al usuario seleccionar solo valores factibles de los objetos.

38
 UNIVERSIDAD PRIVADA TELESUP

Objetos Conclusiones Conclusiones

contradictorias
A B Regla 1 Regla 2 Regla 3

C C B =C B =F − Sı́
C F B =C B =F − Sı́
F C − − B = No
F F − − C Sı́
B =
C

TABLA 2.9. Una tabla de verdad que muestra que las Reglas 1−3 son coherentes.

Objetos Conclusiones Conclusiones

contradictorias
A B Regla 1 Regla 2 Regla 3 Regla 4

C C B = B =F − − Sı́ Sı́
CB B =F − − Sı́ Sı́
F =C − B = B =F
C − − C B =F
C
− B =
F F C

TABLA 2.10. Una tabla de verdad que muestra que las Reglas 1- 4 son incoherentes.

Definición de Valores no factibles: Se dice que un valor a para el objeto A no es

factible si las conclusiones obtenidas al hacer A = a contradicen cualquier
combinación de valores del resto de los objetos.
Por ello, cualquier valor no factible debe ser eliminado de la lista de valores posibles de
su correspondiente objeto para eliminar la posibilidad de que el motor de inferencia
pueda obtener conclusiones inconsistentes.

1. Las dos primeras reglas implican que A = C, puesto que A = C siempre conduce a
conclusiones inconsistentes. Por tanto, el valor A = C deber ser eliminado
automáticamente de la lista de valores factibles de A. Dado que A es binario,
entonces resulta A = F (el único valor posible).

39
 UNIVERSIDAD PRIVADA TELESUP

2. Las tres primeras reglas implican que A = F y B =

C. Por tanto, el valor B = F deberá valores
factibles de B.
3. Las primeras cuatro reglas implican que A = C , A
= F , B = C y B = F . Por tanto, los valores {C, F}
son eliminados de las listas de valores de A y B,
con lo que las listas de valores factibles de todos los objetos están vacías, lo que
implica que las cuatro reglas son incoherentes.

Nótese que es suficiente realizar la comprobación de la coherencia de las reglas sólo

una vez, tras ser introducida cada regla, y que todos los valores no factibles pueden
ser eliminados de sus correspondientes listas, nada más ser detectados. El conjunto
de reglas que forman el conocimiento debe ser coherente; en otro caso, el sistema
podrá obtener conclusiones erróneas. Por ello, antes de añadir una regla a la base de
conocimiento, hay que comprobar la consistencia de esta regla con el resto de ellas,
incluidas en la base de conocimiento. Si la regla fuese consistente con el resto de
reglas, se añadiría a la base de conocimiento; en caso contrario, se devolvería al
experto humano para su corrección.

Ejemplo de Coherencia de reglas. Supóngase que se tienen los

cuatro objetos: A ∈ {0, 1}, B ∈ {0, 1}, C ∈ {0, 1, 2} y D ∈ {0, 1}.
Considérense las cuatro reglas:

• Regla 1: Si A = 0 y B = 0, entonces C = 0.

• Regla 2: Si A = 0 y D = 0, entonces C = 1.

• Regla 3: Si A = 0 y B = 0, entonces C = 1.

• Regla 4: Si A = 0, entonces B = 0.

• Regla 5: Si B = 0, entonces A = 1.
Supóngase ahora que se desea añadir las tres últimas reglas a una base de
conocimiento que contiene las dos primeras reglas. Entonces, las Reglas 1 y 3 son
inconsistentes, puesto que tienen la misma premisa pero diferentes conclusiones.

40
 UNIVERSIDAD PRIVADA TELESUP

Por tanto, la Regla 3 debe ser rechazada y el experto humano informado de la razón
del rechazo. El experto humano corregirá la regla en cuestión y/o las reglas existentes
si fueran incorrectas. La Regla 4 entrará en la base de conocimiento, puesto que es
consistente con las Reglas 1 y 2. La Regla 5 es inconsistente con la Regla 4. Por ello,
la consistencia de ambas reglas debe ser comprobada antes de pasar a formar parte
de la base de conocimiento.

COHERENCIA DE HECHOS
Los datos o evidencias suministrados por los usuarios deben ser también consistentes
en sí y con el conjunto de reglas de la base de datos. Por ello, el sistema no debe
aceptar hechos que contradigan el conjunto de reglas y/o el conjunto de hechos
existente en cada instante del proceso. Por ejemplo, con una base de conocimiento
que contenga las dos primeras reglas del Ejemplo 2.15, el sistema no debe aceptar el
conjunto de hechos A = 0, B = 0 y C = 1 puesto que contradicen la Regla 1. El
sistema debe también comprobar si existe o no, una solución factible e informar al
usuario en consecuencia. Si en el ejemplo anterior se trata de dar la información A =
0, B = 0 y D = 0, el sistema debe detectar que no existe ningún valor de C que sea
consistente con la base de conocimiento. Nótese que antes de conocer los valores de
los objetos, existe una solución factible. Por ejemplo, A = 0, B = 0, C = 0 y D = 1
(estos hechos no contradicen la base de conocimiento). Por ello, la inconsistencia
surge que los hechos y las reglas sean inconsistentes.

La coherencia de los hechos puede lograrse mediante las estrategias

siguientes:
1. Eliminar todos los valores no factibles (los que contradicen el conjunto de reglas
y/o hechos) de los objetos una vez detectados. Cuando se pregunte al usuario por
información sobre los valores de un conjunto de objetos, el sistema experto
debería aceptar sólo los valores de cada objeto que sean consistentes con las
reglas y con el conocimiento previo. Considerase, por ejemplo, la base de
conocimiento del Ejemplo y supóngase que al sistema experto se le ha dado la
información A = 0 y C = 1; entonces el sistema debe saber que B = 0. Por ello,
este valor debe ser eliminado de la lista de posibles valores del objeto B.

41
 UNIVERSIDAD PRIVADA TELESUP

2. El motor de inferencia debe comprobar que los hechos conocidos no contradicen

el conjunto de reglas. En la situación anterior, por ejemplo, el sistema no debe
aceptar el conjunto de hechos A = 1, B = 1 y C = 2. Si el sistema no elimina los
valores no factibles, entonces el usuario podrá dar evidencias contradictorias tales
como Pago = autorizado y NIP = incorrecto en el Ejemplo 2.1 Por ello, tan pronto
como se dé la primera evidencia, Pago = autorizado, el sistema debe seleccionar
sólo los valores del NIP que no conduzcan a conclusiones contradictorias.

3. Suministrar al usuario una lista de objetos a los que no se ha asignado valores

previamente. Para cada uno de los objetos, mostrar y aceptar sólo sus valores
factibles. Actualizar continuamente la base de conocimiento, es decir, tan pronto
como se dé un hecho o se obtenga una conclusión, y eliminar los va- lores no
factibles. El motor de inferencia obtiene todas las conclusiones posibles
examinando, y posiblemente concluyendo, las reglas tan pronto como una simple
unidad de información llega al sistema.

42
 UNIVERSIDAD PRIVADA TELESUP
Lecturas Recomendadas
 APUNTES DE SISTEMAS EXPERTOS
http://www.dccia.ua.es/dccia/inf/asignaturas/FIA/apuntesse.pdf

 SISTEMAS EXPERTOS EN LA TOMA DE DECISIONES

http://cdigital.uv.mx/bitstream/123456789/28498/1/Drouaillet%20Pumarino.pdf

Actividades y Ejercicios

1. En un documento en Word realice un cuadro comparativo y un sistema

experto. Además mencione cinco ejemplos de aplicaciones concretas de
sistemas expertos. Indicando el hardware y software usado.
Envíalo a través de "Sistemas Expertos".

2. En un documento en Word describa la arquitectura básica de un sistema

(S.) experto (E.), proponga tres ejemplos con aplicaciones, donde se
haga evidente la arquitectura usada.
Envíalo a través de "Arquitectura de S. E.".

43
 UNIVERSIDAD PRIVADA TELESUP
Autoevaluación
1) Una definición de sistema experto seria:
a. El sistema Hardware.
b. El sistema Software.
c. Memorizar información.
d. Maquinas que piensan y razonan.
e. Procesar información.

2) Se utilizan sistemas expertos que operan automáticamente los semáforos y

regulan el flujo del tráfico en las calles de una ciudad y en los ferrocarriles,
este es un ejemplo de:
a. Control de tráfico.
b. Transacciones bancarias.
c. Problemas de planificación.
d. Diagnóstico médico.
e. Problemas de tráfico.

3) Las etapas en el desarrollo de un sistema experto son:

a. 5
b. 2
c. 3
d. 7
e. 8

4) Un conjunto de reglas se denomina ________________ si existe, al menos,

un conjunto de valores de todos los objetos que producen conclusiones no
contradictorias.
a. Inteligente.
b. Asociadas.
c. Controlado.
d. Satisfecho.
e. Coherente.

5) La robótica es una de las áreas qué utiliza la:

a. Almacenamiento Interno.
b. Inteligencia Artificial.
c. Inteligencia Almacenada.
d. Actuación inteligente.
e. Ideas Asociadas.

44
 UNIVERSIDAD PRIVADA TELESUP

6) Uno de los objetivos del control de la coherencia consiste en

a. No permitir igualdad de valores.
b. No permitir programas de software.
c. Permitir todo tipo de información y conocimiento aun cuando este sea
contradictorio.
d. Evitar que entre en la base de conocimiento cualquier conocimiento
inconsistente o contradictorio.
e. Probar que los sistemas no cometan errores.

7) Señala cuál de las siguientes alternativas menciona a las etapas en el

desarrollo de un sistema experto.
a. Planteamiento de problema, herramienta de desarrollo, probar prototipo.
b. Ejecución de órdenes, probar prototipo, usuarios.
c. Planteamiento de problema, adquisición de conocimientos, base de datos.
d. Probar prototipo, people soft, construir prototipo.
e. Interface de usuario, planificación, ejecución de órdenes.

8) Es un subsistema controla la consistencia de la base de datos y evita que

unidades de conocimiento inconsistentes entren en la misma.
a. Control de coherencia.
b. Sistema de datos.
c. Control de consistencia de los procesos.
d. Motor de inferencia.
e. Interface de usuarios.

9) ¿Cuáles son los dos elementos importantes que intervienen en los sistemas
basados en reglas?
a. Elemento dinámico y aplicaciones.
b. Base de datos y base de conocimientos.
c. Base de conocimientos y los datos.
d. Memoria de trabajo y datos.
e. Conjunto de objetos y conjunto de reglas.

10) Es una afirmación lógica que relaciona dos o más objetos e incluye dos
partes, la premisa y la conclusión:
a. Conclusión.
b. Regla.
c. Operadores.
d. Objeto-valor.
e. Expresión lógica.

45
 UNIVERSIDAD PRIVADA TELESUP
Resumen
UNIDAD DE APRENDIZAJE I:

Los sistemas expertos son máquinas que piensan y razonan como un experto lo haría en
una cierta especialidad o campo. Por ejemplo, un sistema experto en diagnostico medico
requerirá como datos los síntomas del paciente, los resultados de análisis clínicos y otros
hechos relevantes, y, utilizando ´estos, buscaría en una base de datos la información
necesaria para poder identificar la correspondiente enfermedad.

Los problemas con los que pueden tratar los sistemas expertos pueden clasificarse en
dos tipos: problemas esencialmente deterministas y problemas esencialmente
estocásticos. Consecuentemente, los sistemas expertos pueden clasificarse en dos
tipos principales según la naturaleza de problemas para los que están diseñados:
deterministas y estocásticos.

Los sistemas basados en reglas son una herramienta eficiente para tratar estos
problemas. Las reglas deterministas constituyen la más sencilla de las metodologías
utilizadas en sistemas expertos. La base de conocimiento contiene el conjunto de reglas
que definen el problema, y el motor de inferencia saca las conclusiones aplicando la
lógica clásica a estas reglas.

En situaciones complejas, incluso verdaderos expertos pueden dar información

inconsistente (por ejemplo, reglas inconsistentes y/o combinaciones de hechos no
factibles). Por ello, es muy importante controlar la coherencia del conocimiento tanto
durante la construcción de la base de conocimiento como durante los procesos de
adquisición de datos y razonamiento. Si la base de conocimiento contiene información
inconsistente (por ejemplo, reglas y/o hechos), es muy probable que el sistema experto.

46
UNIVERSIDAD PRIVADA TELESUP

47
 UNIVERSIDAD PRIVADA TELESUP
Introducción
a) Presentación y contextualización
Los temas que se tratan en la presente Unidad Temática, tienen por finalidad que
el estudiante conozca los Sistemas expertos probabilísticos que han demostrado
resolver muchos problemas que se crían necesitaban ciertas habilidades que sólo
se encuentran en los seres humanos (por ejemplo, la habilidad de pensar,
observar, memorizar, aprender, ver, oler, etc.). Sin embargo, el trabajo realizado en
las tres últimas décadas por investigadores procedentes de varios campos,
muestra que muchos de estos problemas pueden ser formulados y resueltos por
máquinas.

b) Competencia
Comprende los sistemas expertos basados en probabilidades relacionados
con el cálculo.

c) Capacidades
1. Interpretar la construcción de modelos probabilísticos.
2. Describir la base de conocimientos de un sistema experto.
3. Reconoce los grafos como una técnica para representar procesos.
4. Emplea grafos definidos en procesos de sistemas expertos.

d) Actitudes
 Presenta iniciativa en la investigación para profundizar los sistemas expertos.
 Promueve el desarrollo de ejercicios prácticos basados en probabilidades.

e) Presentación de Ideas básicas y contenido esenciales de la Unidad:

La Unidad de Aprendizaje 02: Sistemas Expertos Basados en Probabilidad,
comprende el desarrollo de los siguientes temas:

TEMA 01: Conceptos Básicos de Probabilidad.

TEMA 02: La Base del Conocimiento.
TEMA 03: Algunos conceptos sobre grafos.
TEMA 04: Tipos de Grafos Dirigidos.

48
 UNIVERSIDAD PRIVADA TELESUP

Conceptos
TEMA 1
Básicos de
Probabilidad

Competencia:

Interpretar la construcción de modelos

probabilísticos.

49
 UNIVERSIDAD PRIVADA TELESUP
Desarrollo de los Temas
Tema 01: Conceptos Básicos de Probabilidad

ALGUNOS CONCEPTOS BÁSICOS DE LA TEORÍA DE LA PROBABILIDAD

En esta sección se introduce el siguiente material básico que será utilizado
posteriormente:
a. Medida de probabilidad.
b. Distribuciones de probabilidad.
c. Dependencia e independencia.
d. Teorema de Bayes.
e. Tipos de errores.

Medida de probabilidad
Para medir la incertidumbre se parte de un marco de
discernimiento dado S, en el que se incluyen todos los
posibles resultados de un cierto experimento como
conjunto exhaustivo y mutuamente exclusivo. El conjunto
S se conoce como espacio muestral. Una vez definido
este conjunto, el objetivo consiste en asignar a todo
subconjunto de S un número real que mida el grado de incertidumbre sobre su
realización. Para obtener medidas con significado físico claro y práctico, se imponen
ciertas condiciones o propiedades intuitivas adicionales que definen una clase de
medidas que se conocen como medidas de probabilidad.

Una función p que proyecta los subconjuntos A ⊆ S en el

intervalo [0, 1] se llama medida de probabilidad si satisface
los siguientes axiomas:
 Axioma 1 (Normalización): p(S) = 1.
 Axioma 2 (Actividad): Para cualquier sucesión infinita, A1,
A2,..., de subconjuntos disjuntos de S, se cumple la igualdad

50
 UNIVERSIDAD PRIVADA TELESUP

El Axioma 1 establece que, independientemente de nuestro grado de

certeza, ocurrirá´ un elemento del conjunto universal S (es
decir, el conjunto S es exhaustivo).
El Axioma 2 es una fórmula de agregación que se usa para
calcular la probabilidad de la unión de subconjuntos disjuntos.
Establece que la incertidumbre de un cierto subconjunto es la
suma de las incertidumbres de sus partes (disjuntas).

Nótese que esta propiedad también se cumple para sucesiones finítas. De los
axiomas anteriores pueden deducirse propiedades muy interesantes de la
probabilidad. Por ejemplo:
 Propiedad 1 (Normalización): p(φ) = 0.
 Propiedad 2 (Monotonicidad): Si A ⊆ B ⊆ S, entonces p(A) ≤ p(B).
 Propiedad 3 (Continuidad-Consistencia): Para toda sucesión creciente A1 ⊆
A2 ⊆ ... o decreciente A1 ⊇ A2 ⊇ ... de subconjuntos de S se tiene

lim p(Ai ) = p( limA i ).

i→∞ i→∞
• Propiedad 4 (Inclusión-Exclusión): Dado cualquier par de subconjuntos A y B
de S, se cumple siempre la siguiente igualdad:

p(A ∪ B) = p(A)+ p(B) − p(A ∩ B).

La Propiedad 1 establece que la evidencia asociada a una

ausencia completa de información es cero.
La Propiedad 2 muestra que la evidencia de la pertenencia de
un elemento a un conjunto debe ser al menos la evidencia de
cualquiera de sus subconjuntos. En otras palabras, la evidencia
de que un elemento pertenezca a un conjunto dado A no debe
decrecer con la adición de elementos a A.

51
 UNIVERSIDAD PRIVADA TELESUP

La Propiedad 3 puede ser considerada como una propiedad de consistencia o

continuidad. Si se eligen dos sucesiones de conjuntos que convergen al mismo
subconjunto de S, se debe obtener la misma evidencia o incertidumbre. La Propiedad
4 establece que las probabilidades de los conjuntos, A, B, A ∩ B, y A ∪ B no son
independientes, sino que están relacionadas Un ejemplo clásico que ilustra estos
axiomas es el del lanzamiento de un dado no trucado.
Aquí el espacio muestral es S = {1, 2, 3, 4, 5, 6}, es decir, el conjunto de los posibles
resultados del lanzamiento. Sea p(A) la probabilidad de que ocurra el suceso A.
Entonces, por ejemplo, se tiene:
p(S) = 1, p({1}) = 1/6, p({3}) = 1/6, y p({1, 3}) = p({1})+ p({3}) = 1/3.

Distribuciones de probabilidad
Sea {X1 ,..., Xn} un conjunto de variables aleatorias
discretas y {x1 ,..., xn } el conjunto de sus posibles
realizaciones. Nótese que las variables aleatorias se
denotan con mayúsculas y que sus realizaciones se
denotan con minúsculas. Por ejemplo, si Xi es una
variable binaria, entonces xi puede ser 1 o 0. Los resultados que siguen son también
validos si las variables son continuas, pero en este caso los símbolos de suma deben
sustituirse por integrales.

Sea p(x1 ,..., xn ) la función de probabilidad conjunta1 de las variables de X , es

decir,
p(x1 ,..., xn ) = p(X1 = x1 ,..., Xn = xn)

Entonces, la función de probabilidad marginal de la i-ésima variable se obtiene

mediante la formula
p(xi ) = p(Xi = xi ) = x1 ,...,xi − 1, xi+1 ,...,xn

p(x1 ,..., xn ).

52
 UNIVERSIDAD PRIVADA TELESUP

El conocimiento de la ocurrencia de un suceso puede modificar las probabilidades de

otros sucesos. Por ejemplo, la probabilidad de que un paciente tenga una
enfermedad dada puede cambiar tras el conocimiento de los resultados de un
análisis de sangre.
Por ello, cada vez que se dispone de nueva información, las probabilidades de los
sucesos pueden, y suelen, cambiar. Esto conduce al concepto de probabilidad
condicional.

Tabla 3.2. Función de probabilidad conjunta de tres variables binarias.

Probabilidad condicional. Sean X e Y dos conjuntos disjuntos de variables tales que

p(y) > 0. Entonces, la probabilidad condicional (función de probabilidad condicionada)
de X dado Y = y viene dada por

…(3.5)
La ecuación (3.5) implica que la función de probabilidad conjunta de X e Y puede
escribirse como:

…(3.6)

53
 UNIVERSIDAD PRIVADA TELESUP

Dependencia e independencia
Independencia de dos variables. Sean X e Y dos subconjuntos disjuntos el conjunto
de variables aleatorias {X,...,Xn}. Entonces se dice que X es independiente de Y si y
solamente si:

………. (3.7)

Para todos los valores posibles x e y de X e Y; en otro caso, X se dice dependiente

de Y .
Nótese que si x e y son valores posibles de X e Y, entonces p(x) > 0 y p(y) > 0. Por
ello, la condición p(y) > 0 es natural en el sentido de que no puede observarse Y = y
si no se satisface la condición.

…(3.8)

La ecuación (3.8) significa que si X es independiente de Y, entonces nuestro

conocimiento de Y no afecta nuestro conocimiento sobre X, es decir, Y no tiene
información sobre X. También, si X es independiente de Y, pueden combinarse (3.6)
y (3.8) para obtener p(x, y)/p(y) = p(x), que implica

…(3.9)

La ecuación (3.9) indica que si X es independiente de Y, entonces la función de

probabilidad conjunta de X e Y es igual al producto de sus marginales. En realidad,
(3.9) es una definición de independencia equivalente a la (3.8). Una propiedad
importante de la relación de independencia es su simetría, es decir, si X es
independiente de Y, entonces Y es independiente de X.
Esto ocurre porque

…(3.10)

54
 UNIVERSIDAD PRIVADA TELESUP

Por la propiedad de simetría se dice que X e Y son independientes o

mutuamente independientes. La implicación práctica de la simetría es que si el
conocimiento de Y es relevante (irrelevante) para X, entonces el conocimiento
de X es relevante (irrelevante) para Y.
Los conceptos de dependencia e independencia de dos variables aleatorias pueden
ser extendidos al caso de más de dos variables aleatorias como sigue:
Independencia de un conjunto de variables: Las variables aleatorias {X1 ,..., Xm } se
dice que son independientes si y sólo si

…(3.11)

Para todos los valores posibles x1 ,..., xm de X1 ,..., Xm . En otro caso, se dice que
son dependientes. En otras palabras, {X1 ,..., Xm } se dicen independientes si y sólo
si su función de probabilidad conjunta es igual al producto de sus funciones de
probabilidad marginal. Nótese que (3.11) es una generalización de (3.9).
Nótese también que si X1 ,..., Xm son condicionalmente independientes dado otro
subconjunto Y1 ,..., Yn , entonces

……….(3.12)

Una implicación importante de la independencia es que no es rentable obtener

información sobre variables independientes, pues es irrelevante. Es decir,
independencia significa irrelevancia.
Dependencia e independencia condicional. Sean X, Y y Z tres conjuntos disjuntos
de variables, entonces X se dice condicionalmente independiente de Y dado Z, si y
sólo si;

p( x | z, y) = p(x | z)

55
 UNIVERSIDAD PRIVADA TELESUP

Para todos los valores posibles de x, y y z de X, Y y Z; En otro caso X e Y se

dicen condicionalmente dependientes dado Z.
Cuando X e Y son condicionalmente independientes dado Z, se escribe I(X, Y | Z) La
relación I(X, Y | Z) se denomina relación de independencia condicional. Similarmente,
cuando X e Y son condicionalmente dependientes dado Z, se escribe D(X, Y | Z) que
se conoce como una relación de dependencia condicional. A veces escribimos I(X, Y
| Z)P o D(X, Y | Z)P para indicar que la relación se deriva, o es implicada, por el
modelo probabilístico asociado a la probabilidad p (la función de probabilidad
conjunta).

La definición de independencia condicional lleva en sí la idea de que una vez que es

conocida Z, el conocimiento de Y no altera la probabilidad de X . En otras palabras,
si Z ya es conocida, el conocimiento de Y no añade información alguna sobre X.
Una definición alternativa, pero equivalente, de independencia condicional es

p(x, y | z) = p(x | z) p(y | z).

Nótese que la independencia (incondicional) puede ser tratada

como un caso particular de la independencia condicional. Por
ejemplo, se puede escribir I(X, Y | ) para indicar que X e Y
son incondicionalmente independientes, donde φ es el
conjunto vacío. Nótese, sin embargo, que X e Y pueden ser
independientes incondicionalmente pero condicionalmente
dependientes dado Z, es decir, la relación de independencia condicional I(X, Y | ) y
la de dependencia condicional D(X, Y | Z) pueden satisfacerse simultáneamente.

Por ejemplo, para determinar si X e Y son independientes, se necesita comprobar si

p(x, y) = p(x) p(y) para todos los valores posibles de x e y.
También se puede determinar si cualesquiera dos variables son condicionalmente
independientes dada una tercera variable.

56
 UNIVERSIDAD PRIVADA TELESUP

Por ejemplo, para comprobar si X e Y son condicionalmente

independientes dado Z, es necesario comprobar si p(x | y, z)
= p(x, y, z)/p(y, z) = p(x | z) para todos los valores posibles
de x, y y z. Para ello, se calculan las probabilidades cuyos
valores se muestran en la Tabla 3.6. En esta tabla puede
verse que p(x | y, z) = p(x | z) y, por tanto, D(X, Y | Z). Por
ello, la función de probabilidad conjunta de la Tabla 3.2 implica que X e Y son
incondicionalmente independientes, I (X, Y |), aunque son condicionalmente
dependientes dado Z, D(X, Y | Z ).

y z x p(x|y, z)

0 0 0 12/21 ≈ 0.571

0 0 1 9/21 ≈ 0.429
0 1 0 18/39 ≈ 0.462
0
1 1
0 1
0 21/39
4/6 ≈≈0.667
0.538

1 0 1 2/6 ≈ 0.333
1 1 0 16/34 ≈ 0.471
1 1 1 18/34 ≈ 0.529

TABLA 3.6. Funciones de probabilidad obtenida de la función de

probabilidad conjunta de la Tabla 3.2.

57
 UNIVERSIDAD PRIVADA TELESUP

La Base TEMA 2
del
Conocimiento

Competencia:

Describir la base de conocimientos de un

sistema experto.

58
 UNIVERSIDAD PRIVADA TELESUP

Tema 02: La Base del Conocimiento

La base de conocimiento de un sistema experto probabilístico

consiste en un conjunto de variables, {X1,..., Xn}, y una función
de probabilidad conjunta definida sobre ellas, p(x1 ,..., xn). Por
ello, para construir la base de conocimiento de un sistema
experto probabilístico, se necesita definir la función de
probabilidad conjunta de las variables.

El modelo más general posible se basa en especificar directamente la función de

probabilidad conjunta; es decir, asignar un valor numérico (parámetro) a cada una de
las posibles combinaciones de valores de las variables. Desgraciadamente, la
especificación directa de la función de probabilidad conjunta
implica un gran número de parámetros. Por ejemplo, con n
variables binarias, la función de probabilidad conjunta más
general tiene 2n parámetros (las probabilidades p(x1 ,..., xn)
para toda posible realización {x1 ,..., xn } de las variables, un
número tan grande que no hay ordenador en el mundo capaz
de almacenarlo incluso para un valor de n tan pequeño como 50.

Esta fue una de las primeras críticas al uso de la probabilidad en los sistemas
expertos. Sin embargo, en la mayor parte de las situaciones prácticas, muchos
subconjuntos de variables pueden ser independientes o condicionalmente
independientes. En tales casos, se pueden obtener simplificaciones del modelo más
general teniendo en cuenta la estructura de independencia de las variables. Esto
suele dar lugar a una reducción importante del número de parámetros.

59
 UNIVERSIDAD PRIVADA TELESUP

En esta sección se discuten los siguientes ejemplos de tales simplificaciones:

1. El Modelo de Síntomas Dependientes (MSD).
2. El Modelo de Síntomas Independientes (MSI).
3. El Modelo de Síntomas Relevantes Independientes (MSRI).
4. El Modelo de Síntomas Relevantes Dependientes (MSRD).
Sin embargo, estos cuatro modelos son modelos ad hoc que se aplican
principalmente en el campo médico. Modelos probabilísticos más generales y
potentes (por ejemplo, modelos de redes de Markov, modelos de redes Bayesianas,
y modelos especificados condicionalmente).

EL MODELO DE SÍNTOMAS DEPENDIENTES

En este modelo, se supone que los síntomas son dependientes pero que las
enfermedades son independientes entre sí, dados los síntomas. Todo síntoma se
conecta con los demás síntomas y con todo valor posible de E (indicando
dependencia).
Entonces la función de probabilidad conjunta para el MSD puede escribirse como:

p(ei , s1 ,..., sn ) = p(s1 ,..., sn )p(ei |s1 ,..., sn ).

Una ilustración gráfica del modelo de síntomas dependientes.

60
 UNIVERSIDAD PRIVADA TELESUP

El modelo de síntomas independientes

Debido a la imposibilidad de trabajar con el modelo anterior en muchos casos
prácticos, resulta necesario proceder a la simplificación del modelo. Una
simplificación posible consiste en suponer que, para una enfermedad dada, los
síntomas son condicionalmente independientes entre sí. El modelo resultante se
denomina modelo de síntomas independientes (MSI). El MSI se ilustra en la Figura
3.7, donde los síntomas no están ligados, para indicar la independencia.

Puesto que los síntomas se suponen condicionalmente independientes dada

la enfermedad, se tiene;

FIGURA 3.7. Una ilustración gráfica del modelo de síntomas

independientes.

Por ello, se puede escribir la función de probabilidad conjunta de la enfermedad E

dados los síntomas s1,..., sn como

61
 UNIVERSIDAD PRIVADA TELESUP

La ecuación muestra como la hipótesis de independencia modifica las probabilidades

de todas las enfermedades cuando se conocen nuevos síntomas. Por ello, la
probabilidad inicial de la enfermedad ei es p(ei ), pero tras conocer los síntomas sj ,
para j = 1,..., k, resulta proporcional a p(sj | ei ). Nótese que cada nuevo síntoma
conduce a un nuevo factor. Nótese también que p(s1 ,..., sn ), en el denominador es
una constante de normalización que no es necesario calcular directamente.
 Las probabilidades marginales p(ei ), para todos los valores posibles de la
enfermedad E.
 Las probabilidades condicionales p(sj |ei ), para todos los valores posibles del
síntoma Sj y la enfermedad E.

Por ello, con las hipótesis de independencia de los síntomas, el

número de parámetros se reduce considerablemente. Con m
enfermedades posibles y n síntomas binarios, el número total de
parámetros es m(n + 1) − 1. Por ejemplo, con m = 100
enfermedades y n = 200 síntomas, se tienen 20,099 parámetros en
el MSI en vez de más de 1062 parámetros para el MSD. Ejemplo de El
Modelo de síntomas independientes. Para ilustrar el MSI, se utilizan los historiales
clínicos de dos centros médicos, cada uno de ellos consta de N = 1000 pacientes;
dos valores de la enfermedad (g y g¯); y tres síntomas, D, V y P.

TABLA 3.13. Números de pacientes clasificados por una enfermedad G y tres

síntomas, D, V y P en dos centros médicos.

62
 UNIVERSIDAD PRIVADA TELESUP

TABLA 3.14. Probabilidades requeridas para la especificación del MSI.

Los datos se resumen en la Tabla 3.13. Nótese que los datos del Centro Medico 1
son los mismos que los de la Figura 3.1, pero dados ahora en forma tabular, en vez
de forma gráfica. Para especificar el MSI, se necesita la probabilidad marginal, p(ei ),
de la enfermedad y las probabilidades condicionales de cada síntoma dada cada
enfermedad, p(d|ei ), p(v|ei ) y p(p|ei ). Estas probabilidades se extraen de la Tabla
3.13 y se dan en la Tabla 3.14. Nótese que sólo 7 parámetros son libres. Un
aspecto interesante de los dos conjuntos de datos es que aunque son muy
diferentes, conducen a idénticas probabilidades, como se muestra en la Tabla 3.14.

En la Tabla 3.15 se da la probabilidad condicional de E dadas varias

combinaciones de los síntomas para los dos centros médicos. Nótese que;

TABLA 3.15. La probabilidad condicional p(g | d, v, p)

63
 UNIVERSIDAD PRIVADA TELESUP

Los valores exactos se calculan directamente de la Tabla 3.13 utilizando la definición

de probabilidad condicional dada en (3.3). Los valores de las
columnas etiquetadas MSI se calculan aplicando la fórmula
para el MSI en (3.27). Por ejemplo, para el Centro Medico 1, el
valor de p(g|d, v, p) se calcula mediante

Una comparación entre las probabilidades verdaderas y las

correspondientes al MSI de la Tabla 3.15 muestra que los dos
conjuntos de probabilidades son parecidos para el Centro
Medico 1, pero discrepan notablemente para el Centro Medico
2. Por ejemplo, para el Centro Medico 2 el valor real de p(g | d,
v, p¯) es 0, mientras que el correspondiente al MSI es 0.82.
Esto es una prueba de que el MSI falla al tratar de describir la probabilidad de los
datos del Centro Medico 2. Nótese que se tienen dos conjuntos de datos con las
mismas probabilidades “a priori” y las mismas verosimilitudes; sin embargo, el MSI es
apropiado para reproducir uno de ellos y no, para el otro.

De este ejemplo puede concluirse que las probabilidades “a priori” y las

verosimilitudes no son suficientes para especificar un modelo probabilístico.
Por tanto, debe ponerse especial cuidado en la selección del modelo
probabilístico a utilizar en un caso dado.

64
 UNIVERSIDAD PRIVADA TELESUP

Modelo de síntomas relevantes independientes

Se puede conseguir una reducción aún mayor del número de parámetros
suponiendo que cada enfermedad tiene un número reducido de síntomas relevantes.
En consecuencia, para cada valor el de la enfermedad E se seleccionan algunos
síntomas relevantes S1,..., Sr (relativamente pocos frente al total de síntomas) y los
restantes síntomas se suponen independientes para ese valor de E. El MSRI se
ilustra en la Figura 3.16. Nótese que para e1, el conjunto de síntomas relevantes es
{S1 , S2 }; para e2 , el conjunto de síntomas relevantes es {S2 , S3 , S4 }; y así
sucesivamente.

FIGURA 3.16. Una ilustración gráfica del modelo de síntomas Relevantes

independientes.

Por simplicidad de notación, supóngase que S1 ,..., Sri son relevantes para la
enfermedad ei y que los restantes síntomas Sri +1 ,..., Sn son irrelevantes. Según el
MSRI, p(sj |ei ) se supone idéntica para todos los síntomas que son
irrelevantes para la enfermedad ei . Entonces la función de probabilidad
conjunta de la enfermedad ei dados los síntomas s1 ,..., sn puede
escribirse como sigue donde pj = p(sj |ei ), que es la misma para
todas las enfermedades para la que Sj es irrelevante, se obtiene el
MSRI. Se deduce que es necesario almacenar las probabilidades
siguientes en la base de conocimiento del MSRI:

65
 UNIVERSIDAD PRIVADA TELESUP

 Las probabilidades marginales p(ei ), para todos los valores posibles de la

enfermedad E.
 Las probabilidades condicionales p(sj | ei ), para cada valor posible de E y cada
uno de sus correspondientes síntomas relevantes.
 Las probabilidades pj , para cada valor posible de E que tiene al menos un
síntoma irrelevante. (Esto implica que pj = p(sj | ei ) es idéntica para todos los
síntomas irrelevantes para ei).

La ecuación implica que en la base de conocimiento se necesita almacenar las

probabilidades de todos los síntomas relevantes para cada enfermedad, y la misma
probabilidad para todos los síntomas irrelevantes para cada valor de E. Por ello, si
se tienen m posibles enfermedades y n síntomas binarios, el número de parámetros
en el MSRI es;

Donde ri es el número de síntomas relevantes para la

enfermedad ei y a es el número de síntomas que son
relevantes para todas las enfermedades. El número de
parámetros se reduce significativamente cuando ríes mucho
menor que n. Por ejemplo, con 100 enfermedades y 200
síntomas, si ri = 10 para todas las enfermedades, 4 el
número de parámetros en el MSRI se reduce de 20,099
para el MSI a 1,299 para el MSRI. Nótese que se puede obtener el MSRI a partir del
MSI, sin más que imponer algunas restricciones adicionales en los parámetros del
MSI, puesto que en el MSRI las probabilidades p(sj |ei ) deben ser las mismas para
todos los síntomas irrelevantes para las enfermedades ei.

El número de restricciones es parámetros en el MSI, (m(n + 1) − 1), menos el

número de restricciones.

En total, se tiene

66
 UNIVERSIDAD PRIVADA TELESUP

Algunos
Conceptos TEMA 3
sobre
Grafos
Competencia:

Reconocer los grafos como una técnica para

representar procesos.

67
 UNIVERSIDAD PRIVADA TELESUP

Tema 03: Algunos Conceptos sobre Grafos

CONCEPTOS BÁSICOS Y DEFINICIONES

Supóngase un conjunto de objetos X = {X1, X2,..., Xn } que pueden relacionarse
entre sí. El conjunto X puede ser representado graficamente por una colección de
nodos o vértices, asociando un nodo a cada elemento de X. Estos nodos pueden
conectarse por aristas, indicando las relaciones existentes entre los mismos. Una
arista entre los nodos Xi y Xj se denotara´ mediante Lij.

Así mismo, el conjunto de todas las aristas se denotara por L = {Lij | Xi y Xj están
conectados}. Por tanto, un grafo puede definirse de forma intuitiva mediante el
conjunto de nodos, X, y las relaciones entre los mismos, L. En el
siguiente ejemplo se ilustra esta idea intuitiva. A continuación se
introduce una definición formal.
Ejemplo de Grafos. La Figura 4.1 es un ejemplo de un grafo
compuesto de seis nodos X = {A, B, ..., G} y de un conjunto de
seis aristas,
L = {LAB , LAC , LBD , LC E , LDF , LD G }

Los nodos están representados por círculos y las aristas por líneas que unen
los nodos correspondientes.

FIGURA 4.1. Ejemplo de un grafo o red.

68
 UNIVERSIDAD PRIVADA TELESUP

El concepto de grafo puede definirse de forma más general. Por ejemplo, puede
permitirse que dos nodos estén conectados por más de una arista, o incluso que un
nodo esté conectado consigo mismo. Sin embargo, en el campo de los sistemas
expertos, los grafos se utilizan para representar un conjunto de variables
proposicionales (nodos), y unas relaciones de dependencia entre ellas (aristas). Por
tanto, no es necesario que dos nodos estén unidos por más de una arista, o que una
arista una un nodo consigo mismo.

Las aristas de un grafo pueden ser dirigidas o no dirigidas, dependiendo de si se

considera o no, el orden de los nodos. En la práctica, esta distinción dependerá de la
importancia del orden en que se relacionen los objetos.
Arista dirigida:
Dado un grafo G = (X, L), si Lij ∈ L y Lj i ∈ / L, la arista Lij
entre los nodos Xi y Xj se denomina dirigida y se denota mediante
Xi → Xj.
Arista no dirigida:
Dado un grafo G = (X, L), si Lij ∈ L y Lj i ∈ L, la arista Lij se denomina no dirigida
y se denota mediante Xi − Xj o Xj − Xi .

Grafo dirigido y no dirigido:

Un grafo en el cual todas las aristas son dirigidas se denomina grafo dirigido, y un
grafo en el que todas sus aristas son no dirigidas se denomina no dirigido.
Por tanto, en un grafo dirigido es importante el orden del par de nodos que definen
cada arista, mientras que en un grafo no dirigido, el orden carece de importancia.

FIGURA 4.2. Ejemplos de un grafo dirigido (a), y uno no dirigido (b).

69
 UNIVERSIDAD PRIVADA TELESUP

El grafo de la Figura 4.2(a) esta definido por:

Mientras que para el grafo de la Figura 4.2 (b) se tiene

Conjunto adyacente. Dado un grafo G = (X, L) y un nodo Xi , el conjunto adyacente

del nodo Xi es el conjunto de nodos que son directamente alcanzables desde Xi , es
decir,

Esta definición proporciona una descripción

alternativa de un grafo mediante un conjunto de
nodos, X , y los conjuntos adyacentes de cada uno
de los nodos en X ; es decir, el grafo (X, L) puede
ser representado de forma equivalente mediante (X,
Ady), donde X = {X1 ,..., Xn} es el conjunto de nodos
y Ady = {Ady(X1 ),..., Ady(Xn )} es la lista de conjuntos adyacentes. Como se verá
más adelante, esta forma de representación de un grafo es muy conveniente desde
un punto de vista computacional.

Ejemplo 4.3 Conjuntos adyacentes. El grafo dirigido dado en la Figura 4.2(a) tiene
asociados los siguientes conjuntos de nodos adyacentes:

Por otra parte, los conjuntos adyacentes del grafo no dirigido de la Figura 4.2 (b) son:

Por tanto, los grafos mostrados en la Figura 4.2 pueden ser definidos de forma
equivalente por (X, L) o por (X, Ady).

70
 UNIVERSIDAD PRIVADA TELESUP

El conjunto adyacente de un nodo Xi contiene los nodos que son directamente

alcanzables desde Xi. Por tanto, comenzando en un nodo dado y pasando de forma
sucesiva a uno de sus nodos adyacentes, se puede formar uncamino a través del
grafo. Como se verá más adelante, el concepto de camino entre dos nodos juega un
papel central en la teoría de grafos.
Camino entre dos nodos. Un camino del nodo Xi al nodo Xj es una sucesión de
nodos (Xi1 ,..., Xir ), comenzando en Xi1 = Xi y finalizando en Xir = Xj , de forma
que existe una arista del nodo Xik al nodo Xik+1 , k = 1,...,r − 1, es decir,

La longitud del camino, (r − 1), se define como el número de aristas que contiene.
En el caso de grafos no dirigidos, un camino (Xi1 ,..., Xir ) puede representarse
mediante Xi1 − ... − Xir , indicando el carácter no dirigido de las aristas. De modo
similar, otra forma de representar un camino en un grafo dirigido es mediante
Xi1 → ... → Xir .

Ejemplo:
Considérese el grafo dirigido dado en la Figura 4.2(a).
Existe un único camino de longitud 2 de D a F en este
grafo, D → E → F Por otra parte, existe un camino de A
a B de longitud 2, A → D → B, y otro de longitud 5,
A → D → E → F → D → B. Obsérvese que, por el
contrario, no existe ningún camino de B a A. Por otra parte,
existe al menos un camino entre cada par de nodos del
grafo no dirigido de la Figura 4.2 (b). Por ejemplo, algunos
de los caminos entre A a H son;
A − E − D − H, de longitud 3,
A − B − C − D − H, de longitud 4, y
A − E − F − G − D − H, de longitud 5.

71
 UNIVERSIDAD PRIVADA TELESUP

Nótese que en un grafo dirigido han de tenerse en cuenta las direcciones de las
aristas para formar un camino. Por ejemplo, en el grafo dirigido de la Figura 4.2(a)
existe un camino de A a C (A → D → B → C), pero no existe ningún camino que una
los nodos en sentido inverso.

Camino cerrado:
Un camino (Xi1 ,..., Xir ) se dice que es cerrado si el nodo inicial coincide con el
final, es decir, Xi1 = Xir .
Ejemplo
Caminos cerrados. El camino D → G → F → D en el grafo
dirigido de la Figura 4.3(a) es un camino cerrado. El grafo no
dirigido dado en la Figura 4.3 (b) contiene varios caminos
cerrados como, por ejemplo, el camino
A − B − C − D − E − A.

Si un camino contiene un nodo más de una vez, entonces el camino contiene un sub-
camino cerrado. Por ejemplo, en el grafo de la Figura 4.3(b), el camino C − D − E − F
− G − D − H contiene dos veces el nodo D. Por tanto, este camino ha de contener
un sub-camino cerrado: D −E −F −G−D. Eliminando este camino cerrado, se puede
hallar un camino más corto entre los nodos extremos, C − D − H.

FIGURA 4.3. Ejemplos de caminos cerrados en un grafo dirigido (a) y en un grafo no

dirigido (b).

72
 UNIVERSIDAD PRIVADA TELESUP

Características de los grafos no dirigidos

Definiciones y conceptos básicos
Grafo completo. Un grafo no dirigido se denomina
completo si contiene una arista entre cada par de nodos.
Por tanto, existe un único grafo completo de n nodos. Este grafo se denota por Kn.
Por ejemplo, la Figura 4.4 muestra una representación gráfica de K5.

FIGURA 4.4. Grafo completo de cinco nodos.

Conjunto completo. Un subconjunto de nodos S de un grafo G se denomina

completo si existe una arista en G para cada par de nodos en S.
Una consecuencia inmediata de esta definición es que cualquier par de nodos
adyacentes en un grafo forma un conjunto completo.
Por ejemplo, el grafo de la Figura 4.3(b) no contiene conjuntos completos con más de
dos nodos. Por el contrario, el grafo mostrado en la Figura 4.5(a) contiene dos
subconjuntos completos de tres nodos: {D, E, G} y {E, F, G}.

Los conjuntos completos maximales de un grafo desempeñan un papel fundamental

en la caracterización de su estructura topológica.
Conglomerado: Un conjunto completo de nodos C se denomina un conglomerado si
no es subconjunto propio de otro conjunto completo, es decir, si es maximal.

73
 UNIVERSIDAD PRIVADA TELESUP

Ejemplo de Conglomerados. El grafo mostrado en la Figura 4.5(a)

Contiene los siguientes conglomerados:

Sin embargo, si se añade alguna arista al grafo, alguno de estos conglomerados y no

ser grafo será´ un conjunto maximal y el conjunto de conglomerados del nuevo
distinto. Por ejemplo, en el grafo de la Figura 4.5(b), obtenido añadiendo tresáristas al
grafo de la Figura 4.5(a), los conjuntos C1 , C2 , C3 y C7 ya no son completos. El
nuevo grafo contiene solamente cinco conglomerados:

FIGURA 4.5. Ejemplo de los conglomerados asociados a dos grafos distintos.

Bucle. Un bucle es un camino cerrado en un grafo no dirigido.

Ejemplo de Bucle: Considérese el grafo no dirigido mostrado en la Figura 4.5 (b). El
camino cerrado A − B − C − D − E − A es un bucle de longitud 5. Obsérvese que si en
un bucle se reemplaza un camino entre dos nodos por un camino alternativo, se
obtiene un nuevo bucle. Por ejemplo, si se reemplaza la arista D−E por el camino
D−G−F −E en el bucle anterior, se obtiene un nuevo bucle de longitud 7: A − B − C −
D − G − F − E − A.

74
 UNIVERSIDAD PRIVADA TELESUP

Vecinos de un nodo. El conjunto de nodos adyacentes a un nodo Xi en un grafo no

dirigido se denomina conjunto de vecinos de

Nótese que en el caso de grafos no dirigidos, el conjunto de nodos adyacentes a un

nodo dado coincide con el conjunto de vecinos de dicho nodo. Por ejemplo, los nodos
sombreados, {A, D, F}, en la Figura 4.6 son los vecinos del nodo E.

FIGURA 4.6. Conjunto de vecinos del nodo E.

Frontera de un conjunto de nodos: La unión de los conjuntos de vecinos de los

nodos de un conjunto dado, S, excluyendo los nodos de S, se denomina la
frontera de S y se denota por F rn(S).

Donde X \ S es el conjunto de nodos de X excluyendo los de S.

Por ejemplo, los nodos sombreados en la Figura 4.7, {A, C, F, G, H }, son la

frontera del conjunto {D, E}.En el caso de que S contenga un único nodo, la
frontera se reduce al conjunto de vecinos.

75
 UNIVERSIDAD PRIVADA TELESUP

Tipos de grafos no dirigidos

En muchas situaciones prácticas es importante conocer si
existe un camino entre un par de nodos dados. Por
ejemplo, en el campo de los sistemas expertos, los grafos
se utilizan para representar relaciones de dependencia
entre las variables que componen el sistema. En estos casos, es muy útil conocer el
número de posibles caminos entre dos nodos, a efectos de entender la estructura de
dependencia contenida en el grafo. Desde este punto de vista, una clasificación útil
de los grafos debe tener en cuenta el número de caminos distintos existentes entre
cada par de nodos.

FIGURA 4.7. Frontera del conjunto {D, E}.

Grafos conexos no dirigidos. Un grafo no dirigido se denomina conexo si existe al

menos un camino entre cada par de nodos. En caso contrario, el grafo se denomina
inconexo. Por ejemplo, el grafo de la Figura 4.7 es un grafo conexo. Sin embargo, el
grafo representado en la Figura 4.8 es inconexo pues, por ejemplo, no existe ningún
camino entre los nodos A y F. Obsérvese que el grafo mostrado en la Figura 4.8(a)
parece conexo a primera vista, pues las aristas se cruzan ocultando este hecho. Esta
característica se refleja de forma más directa en la representación gráfica de la
Figura 4.8(b).

FIGURA 4.8. Dos representaciones distintas del mismo grafo inconexo.

76
 UNIVERSIDAD PRIVADA TELESUP

Un grafo inconexo puede dividirse en un conjunto de grafos conexos llamados

componentes conexas.
Por ejemplo, el grafo inconexo anterior contiene las componentes conexas {A, C, E} y
{B, D, F }. Este hecho hace que, en la práctica, se suponga que los grafos son
conexos pues, en caso contrario, podría argumentarse sobre cada una de las
componentes conexas del grafo de forma análoga.
La complejidad topológica de un grafo aumenta con el número de caminos distintos
entre dos nodos. Por tanto, además de considerar la existencia de un camino entre
dos nodos, se ha de considerar también el número de caminos posibles.

Árbol. Un grafo conexo no dirigido se denomina un árbol si existe un único camino

entre cada par de nodos.
De la definición anterior se deduce que un árbol es un grafo conexo, pero si se
elimina una cualquiera de sus aristas, el grafo se vuelve inconexo. De forma similar,
se puede deducir que un árbol no contiene bucles, pero si se añade una arista
cualquiera al grafo se forma un bucle.

77
 UNIVERSIDAD PRIVADA TELESUP

Tipos
TEMA 4
de Grafos
Dirigidos

Competencia:
Emplear grafos definidos en procesos de
sistemas expertos.

78
 UNIVERSIDAD PRIVADA TELESUP

Tema 04: Tipos de Grafos Dirigidos

.

Grafos dirigidos conexos: Un grafo dirigido se denomina

conexo si el grafo no dirigido asociado es conexo; en caso
contrario se denomina inconexo.
Árboles y grafos múltiplemente conexos: Un grafo dirigido
conexo se denomina árbol si el grafo no dirigido asociado es
un árbol; en caso contrario se denomina múltiplemente conexo. Grafos cíclicos y
acíclicos: Un grafo dirigido se denomina cíclico si contiene al menos un ciclo; en
caso contrario se denomina grafo dirigido acíclico.

Los grafos dirigidos acíclicos jugaran un papel muy importante más

adelante, pues serán la base para construir los modelos
probabilísticos conocidos como Redes Bayesianas. Dentro de
los grafos dirigidos, los árboles suelen clasificarse en dos tipos,
dependiendo del número de aristas que convergen en un
mismo nodo. Grafos simples y poliárboles: Un árbol dirigido se
denomina un árbol simple si cada nodo tiene como máximo un padre; en caso
contrario se denomina un poliárbol.

La Figura 4.17 muestra un ejemplo de un árbol simple y un ejemplo de un poliárbol.

La Figura 4.18 muestra un grafo cíclico y uno múltiplemente conexo. La Figura 4.19
muestra de modo esquemático estos tipos de grafos dirigidos.

FIGURA 4.17. Ejemplos de grafos dirigidos: árbol simple (a) y poli árbol (b).

79
 UNIVERSIDAD PRIVADA TELESUP

FIGURA 4.18. Ejemplos de grafos dirigidos: grafo cíclico (a) y múltiplemente

conexo (b).

Grafos triangulados
Los grafos triangulados son un tipo especial de grafos no
dirigidos que tienen muchas aplicaciones prácticas
interesantes en varios campos. Los grafos triangulados
también reciben el nombre de circuitos rígidos y grafos
cordales. Cuerda de un bucle: Una cuerda es una arista
que une dos nodos de un bucle y que no pertenece al bucle. Por ejemplo, en el grafo
de la Figura 4.20, la arista E − G es una cuerda del bucle E − F − G − D − E.
Obsérvese que la cuerda divide el bucle en dos bucles menores: E − F − G − E y E −
G − D − E. Por otra parte, el bucle A − B − C − D − E − A no contiene ninguna cuerda.

Dada su estructura, los bucles de longitud 3 son los únicos que no pueden poseer
cuerdas. Por ello, estos son los menores elementos en los que puede
descomponerse un bucle mediante la incorporación de cuerdas en el grafo.

Los bucles de longitud 3 se denominan triángulos.

FIGURA 4.20. Ejemplo de un bucle con una cuerda.

80
 UNIVERSIDAD PRIVADA TELESUP

Grafo triangulado: Un grafo no dirigido se denomina triangulado, o cordal, si cada

bucle de longitud mayor o igual que cuatro contiene al menos una cuerda. Ejemplo de
un Grafo triangulado. La Figura 4.21(a) muestra un grafo triangulado. El grafo
contiene dos bucles de longitud cuatro, A−B −E −C − A y B −C −E −D −B, y un bucle
de longitud cinco, A −B −D −E −C −A, y cada uno de ellos tiene al menos una cuerda.

Por otra parte, el grafo de la Figura 4.21(b) no es triangulado, pues contiene al

bucle A − B − C − D − E − A, que no posee ninguna cuerda.

FIGURA 4.21. Ejemplo de grafo triangulado (a) y no triangulado (b).

Si un grafo no es triangulado, es posible convertirlo en triangulado añadiendo

cuerdas que dividan los bucles. Este proceso se denomina rellenado o triangulación.
Es importante destacar que triangular un grafo no consiste en dividirlo en triángulos.
Por ejemplo, el grafo de la Figura 4.21(a) es triangulado y, por tanto, no necesita la
adición de aristas extra, como aquellas que se indican mediante líneas de puntos en
la Figura 4.22.

FIGURA 4.22. Triangular no significa dividir en triángulos.

81
 UNIVERSIDAD PRIVADA TELESUP

Puesto que un bucle puede romperse de varias formas distintas con una cuerda,
existen varias formas distintas de triangular un grafo. Por ejemplo, los dos grafos
mostrados en la Figura 4.23 corresponden a dos triangulaciones distintas asociadas
con el grafo de la Figura 4.21(b).

FIGURA 4.23. Dos triangulaciones distintas del mismo grafo. Las líneas de
puntos representan las cuerdas añadidas.

82
 UNIVERSIDAD PRIVADA TELESUP
Lecturas Recomendadas
 ESTRUCTURA DE UN SISTEMA EXPERTO
https://docs.google.com/viewer?a=v&pid=sites&srcid=ZGVmYXVsdGRvbWFpbn
xqbGNodWN8Z3g6NjZiOGY2ZThjNTJhODJk

 DESCUBRIMIENTO DE CONOCIMIENTO BASADO EN GRAFOS

http://ccc.inaoep.mx/~emorales/Cursos/NvoAprend/grafos.pdf

Actividades y Ejercicios

1. En un documento en Word explique la relación entre la probabilidad y los

sistemas (S.) expertos (E.). Muestre dos ejemplos concretos.
Envíalo a través de "Probabilidades en S. E.".

2. En un documento en Word presente tres ejemplos diferentes sobre cómo

se aplica los grafos en sistemas expertos y describa su aplicación en
cada uno.
Envíalo a través de "Grafos".

83
 UNIVERSIDAD PRIVADA TELESUP
Autoevaluación
1) El conocimiento de la ocurrencia de un suceso puede modificar las -
_________de otros sucesos.
a. Informaciones.
b. Ecuaciones.
c. Condiciones.
d. Variables.
e. Probabilidades.

2) Una urna tiene ocho bolas rojas, 5 amarilla y siete verdes. Si se extrae una
bola al azar calcular la probabilidad de no sacar amarilla.
a. 5/20
b. 1/20
c. 2/5
d. 3/20
e. 4/5

3) Una urna contiene tres bolas rojas y siete blancas. Se extraen dos bolas al
azar. Hallar la probabilidad de extraer dos rojas.
a. 9/100
b. 1/200
c. 1/3
d. 3/20
e. 9/400

4) La base de conocimiento de un sistema experto probabilístico consiste en:

a. Un conjunto de datos y una función de probabilidad.
b. Un conjunto de conocimientos y una función de probabilidad.
c. Un conjunto de variables y una función de probabilidad.
d. Un conjunto de datos y conocimientos.
e. Un conjunto de variables y datos.

5) En el modelo de síntomas dependientes:

a. Los síntomas son independientes.
b. El conjunto de datos son independiente.
c. El conjunto de variables son dependientes.
d. Las enfermedades son independientes.
e. La función de probabilidad es dependiente.

84
 UNIVERSIDAD PRIVADA TELESUP

6) En los grafos los conjuntos pueden ser representados por:

a. Nodos.
b. Graficas.
c. Nulos.
d. Vacíos.
e. Comprensión.

7) Una característica de un grafo dirigido es:

a. Tienen nodos dirigidos.
b. Tiene aristas dirigidas.
c. Tiene los conjuntos dirigidos.
d. Tiene grafos nodos vacíos.
e. Su fuerza para entrar en un sistema.

8) Se dice que un camino es cerrado

a. Cuando existen bucles.
b. Cuando el nodo final es igual que el nodo inicial.
c. Cuando no hay salida.
d. Cuando no hay inicio.
e. Cuando no hay caminos.

9) Los grafos dirigidos acíclicos son la base para construir

a. Las redes de Ishikawa.
b. Aristas Bayesianas.
c. Base de datos.
d. Base de conocimientos.
e. Los modelos probabilísticos.

10) Los grafos triangulados también reciben el nombre de:

a. intersección dinámica.
b. Base de conocimientos.
c. Circuitos rígidos.
d. Redes bayesianas.
e. Redes perceptrón.

85
 UNIVERSIDAD PRIVADA TELESUP
Resumen
UNIDAD DE APRENDIZAJE II:

La probabilidad es un método mediante el cual se obtiene la frecuencia de un suceso

determinado mediante la realización de un experimento aleatorio, del que se conocen
todos los resultados posibles, bajo condiciones suficientemente estables. La teoría de
la probabilidad se usa extensamente en los sistemas expertos.

La base de conocimiento de un sistema experto probabilístico consiste en un conjunto

de variables, {X1,..., Xn}, y una función de probabilidad conjunta definida sobre ellas,
p(x1 ,..., xn). Por ello, para construir la base de conocimiento de un sistema experto
probabilístico, se necesita definir la función de probabilidad conjunta de las variables.

Supóngase un conjunto de objetos X = {X1 , X2 ,..., Xn } que pueden relacionarse entre

sí. El conjunto X puede ser representado graficamente por una colección de nodos o
vértices, asociando un nodo a cada elemento de X . Estos nodos pueden conectarse
por aristas, indicando las relaciones existentes entre los mismos. El concepto de grafo
puede definirse de forma más general. Por ejemplo, puede permitirse que dos nodos
estén conectados por más de una arista, o incluso que un nodo esté conectado
consigo mismo.

Un grafo dirigido se denomina conexo si el grafo no dirigido asociado es conexo; en

caso contrario se denomina inconexo. Árboles y grafos múltiplemente conexos: Un
grafo dirigido conexo se denomina árbol si el grafo no dirigido asociado es un árbol; en
caso contrario se denomina múltiplemente conexo. Grafos cíclicos y acíclicos: Un grafo
dirigido se denomina cíclico si contiene al menos un ciclo; en caso contrario se
denomina grafo dirigido acíclico.

86
UNIVERSIDAD PRIVADA TELESUP

87
 UNIVERSIDAD PRIVADA TELESUP
Introducción
a) Presentación y contextualización
Los temas que se tratan en la presente unidad temática, tienen por finalidad que el
estudiante conozca los algoritmos para grafos que necesitan un mecanismo de
búsqueda para explorar los nodos y aristas de un grafo. Estos métodos son la base
para la construcción de los algoritmos. La exploración de un grafo comienza en un
nodo inicial y consiste en la definición de un criterio para moverse hacia adelante y
hacia atrás a través de las aristas del grafo, estos se pueden ejecutar siguiendo
modelos probabilísticos.

b) Competencia
Describe los modelos probabilísticos y gráficos en sistemas expertos para el
desarrollo de los cálculos.

c) Capacidades
1. Interpreta la construcción de modelos probabilísticos
2. Describe los modelos definidos gráficamente empleando sus técnicas.
3. Aplica las Técnicas y herramientas formales de análisis de sistemas desde los
modelos definidos gráficamente.
4. Emplea las extensiones de los modelos gráficos para desarrollar de manera
técnica las probabilidades.

d) Actitudes
 Muestra autonomía para resolver tus cálculos aplicando modelos
probabilísticos.
 Iniciativa para profundizar y ampliar los conocimientos con respecto a los
modelos probabilísticos.

e) Presentación de Ideas básicas y contenido esenciales de la Unidad:

La Unidad de Aprendizaje 03: Modelos Probabilísticos y Gráficos, comprende el
desarrollo de los siguientes temas:

TEMA 01: Construcción de Modelos Probabilísticos.

TEMA 02: Modelos Definidos Gráficamente I.
TEMA 03: Modelos Definidos Gráficamente II.
TEMA 04: Extensiones de los Modelos Gráficos.

88
 UNIVERSIDAD PRIVADA TELESUP

Construcción
de TEMA 1
Modelos
Probabilísticos

Competencia:

Interpretar la construcción de modelos

probabilísticos.

89
 UNIVERSIDAD PRIVADA TELESUP
Desarrollo de los Temas
Tema 01: Construcción de Modelos
Probabilísticos

MÉTODOS DE BÚSQUEDA
Muchos algoritmos para grafos necesitan un mecanismo de
búsqueda para explorar los nodos y aristas de un grafo. Por
ejemplo, entre otras cosas, los algoritmos de búsqueda pueden
ser utilizados para obtener un camino entre dos nodos, o para
buscar un bucle o ciclo en un grafo.

Estos métodos son la base para la construcción de los algoritmos introducidos en

esta sección. La exploración de un grafo comienza en un nodo inicial y consiste en la
definición de un criterio para moverse hacia adelante y hacia atrás a través de las
aristas del grafo, pasando de un nodo a un nodo vecino en cada etapa.

Por tanto, la diferencia entre los distintos métodos de

búsqueda radica en el criterio elegido para moverse de
un nodo a otro.
 Método de búsqueda en profundidad: En cada etapa
del método de búsqueda en profundidad se visita alguno
de los vecinos no visitados del nodo actual donde los números indican el orden
en que se visitan los nodos. En caso de que el nodo actual no tenga ningún
vecino no visitado, el algoritmo vuelve atrás al nodo visitado anteriormente y el
proceso de búsqueda continua hasta que todos los nodos han sido visitados.

 Método de búsqueda en anchura: El método de búsqueda en anchura

visita los nodos del grafo capa a capa, comenzando en un nodo inicial y
visitando, en la primera etapa todos los vecinos del nodo inicial. Después, se
selecciona alguno de estos vecinos como nuevo nodo y se repite el proceso
(ver Figura 4.46 (b), donde los números indican el orden en que se visitan los
nodos).

90
 UNIVERSIDAD PRIVADA TELESUP

FIGURA 4.46. Ilustración del método de búsqueda en profundidad (a) y de

búsqueda en anchura (b). Los números indican el orden en que se visitan los
nodos.

Algoritmos de búsqueda de caminos

Dado un grafo G = (X, L), se trata de encontrar un camino del nodo Xi al nodo Xj , en
caso de que exista. En esta sección se introducen dos algoritmos de búsqueda de
caminos basados en las dos estrategias anteriores. Para este propósito es más
conveniente y eficiente utilizar la representación de un grafo por medio de los
conjuntos de adyacencia. El grafo no dirigido de la Figura 4.47(a) puede ser
representado por (X, L), donde X es el conjunto de nodos {A, B, C, D, E, F, G} y L es
el conjunto de aristas {L1,..., L8}. Sin embargo, desde un punto de vista
computacional, la representación del grafo por medio de sus conjuntos de adyacencia
es más adecuada:

Ady(A) = {B, C, D},

Ady(B) = {A, E},
Ady(C ) = {A, F },
Ady(D) = {A, F },
Ady(E) = {B, G},
Ady(F ) = {C, D, G},
Ady(G) = {E, F }.

91
 UNIVERSIDAD PRIVADA TELESUP

Esta representación es más eficiente para los métodos de búsqueda pues

evita tener que comprobar todas las aristas del grafo para elegir el siguiente
nodo del proceso.

El grafo dirigido de la Figura 4.47(b) tiene los conjuntos siguientes de adyacencia:

Ady(A) = {B, C, D}, Ady(B) = {E}, Ady(C ) = {F },
Ady(D) = {F }, Ady(E) = {G}, Ady(F ) = {G}, Ady(G) = φ.
Otra propiedad importante de los conjuntos de adyacencia es que proporcionan una
representación independiente del carácter dirigido o no dirigido del grafo. Por
ejemplo, si nos diesen el grafo dirigido de la Figura 4.47 (b) y se quisiese realizar
alguna operación de carácter no dirigido (obtener bucles, caminos no dirigidos, etc.),
bastaría con considerar los conjuntos de adyacencia correspondientes al grafo no
dirigido asociado.

Basándose en las dos técnicas de búsqueda descritas anteriormente, es posible

definir de forma sencilla los siguientes algoritmos de búsqueda de caminos:
búsqueda de caminos en profundidad y búsqueda de caminos en anchura.

FIGURA 4.47. Ejemplo de un grafo no dirigido (a) y dirigido (b).

92
 UNIVERSIDAD PRIVADA TELESUP

Comprobando la Conexión de un Grafo

Los métodos de búsqueda descritos anteriormente también
pueden utilizarse para comprobar si un grafo es conexo. La
idea es realizar una búsqueda exhaustiva de los nodos del
grafo, obteniendo el conjunto S de nodos que son
alcanzables desde un nodo inicial. Si el grafo es conexo,
entonces el del conjunto S contener todos los nodos del
grafo, en caso contrario el del subconjunto de nodos S solo contendrá la componente
conexa del grafo que contiene al nodo inicial.

Los Algoritmos pueden ser utilizados para realizar una búsqueda exhaustiva
considerando el mismo nodo inicial y final, es decir, el conjunto Visitados resultante
de la ejecución de estos algoritmos contendrá la componente conexa
correspondiente a Xi .

FIGURA 4.52. Búsqueda de un camino entre los nodos A y G con el algoritmo de

búsqueda en profundidad (a) y en anchura (b).

Búsqueda de componentes conexas

• Datos: Un grafo (X, Ady).
• Resultado: El conjunto de componentes conexas C de (X, Ady).
1. Iniciación: Definir V isitados = φ, C = φ.
2. Si X \ Visitados = φ, finalizar y devolver C ; en caso contrario, elegir un
nodo de Xi ∈ X \ Visitados e ir a la Etapa 3.
3. Utilizar el Algoritmo para realizar una búsqueda exhaustiva del grafo (X,
Ady) comenzando en el nodo Xi y obtener el conjunto S de nodos
visitados.
4. Añadir S a C. Añadir a Visitados todos los nodos en S. Ir a la Etapa 2.

93
 UNIVERSIDAD PRIVADA TELESUP

Si el conjunto C contiene una sola componente conexa, entonces el grafo es

conexo; en caso contrario, el grafo es inconexo y C contiene todas las
componentes conexas del grafo.

Búsqueda de bucles y ciclos

Los algoritmos de búsqueda de caminos pueden
modificarse fácilmente para hallar bucles o ciclos en un
grafo. En esta sección se muestran las modificaciones
necesarias para adaptar el algoritmo de búsqueda en
profundidad para esta tarea. Dado que el objetivo de
este algoritmo es hallar un camino cerrado (un bucle o
un ciclo), se puede utilizar el Algoritmo comprobando en cada etapa si hay algún
nodo contenido en el camino que también esté contenido en la lista de nodos
adyacentes del nodo actual. Los caminos cerrados resultantes serán bucles (si el
grafo es no dirigido) o ciclos (si el grafo es dirigido). El algoritmo selecciona un nodo.

Construcción del modelo probabilístico. Una vez que se conoce un conjunto de

variables relevantes para el problema a analizar, y que se ha adquirido suficiente
información para su definición, el siguiente paso consiste en la definición de una
función de probabilidad conjunta que describa las relaciones entre las variables. Éste
es, quizás, el paso más crítico y difícil en el desarrollo de un sistema experto:
a) Es crítico porque la bondad de los resultados del sistema experto depender de la
precisión con que se haya definido la función de probabilidad conjunta, es decir,
la calidad de los resultados no podrá superar a la calidad del modelo.
Por tanto, una incorrecta definición del modelo probabilístico redundará en un
sistema experto que dará conclusiones erróneas y/o contradictorias.

b) La estructura de la función de probabilidad conjunta (es decir, la estructura de

dependencia e independencia entre las variables) no suele ser conocida en la
práctica. Por tanto, habrá de ser inferida del conjunto de datos obtenidos
previamente. Por tanto, la calidad del modelo tampoco podrás superar la calidad
de los datos relevantes disponibles.

94
 UNIVERSIDAD PRIVADA TELESUP

c) La estructura del modelo probabilístico puede depender de un número muy

elevado de parámetros que complican su definición. Cuanto mayor sea el número
de parámetros más complicada será la asignación de valores numéricos
concretos en el proceso de definición del modelo. En cualquier caso, esta
asignación habrá de ser realizada por un experto, o estimada a partir de la
información disponible.

Criterios de separación gráfica

Los grafos son herramientas muy potentes para
describir de forma intuitiva las relaciones de
dependencia e independencia existentes en un conjunto
de variables {X1,..., Xn}. Por tanto, una forma de definir
un modelo probabilístico es partir de un grafo que
describa las relaciones existentes entre las variables.
Para comprobar cuáles, de entre todas las posibles relaciones de independencia
condicional, son satisfechas por el grafo. Los criterios de separación gráfica son las
reglas para entender cómo pueden codificarse dependencias e independencias en un
grafo. Estos criterios dependen del tipo de grafo (dirigido o no dirigido) que se esté
considerando.

Separación en grafos no dirigidos

En muchas situaciones prácticas, las relaciones
existentes entre un conjunto de variables {X1,..., Xn}
pueden ser representadas por un grafo no dirigido G.
Cada variable puede ser representada por un nodo
del grafo. Si dos variables son dependientes, esta
relación puede representarse por un camino que
conecte estos nodos. Por otra parte, si dos variables son
independientes, entonces no deberá existir ningún camino que
una estos nodos. De esta forma, el concepto de dependencia entre variables puede
relacionarse con el concepto de conexión entre nodos.

95
 UNIVERSIDAD PRIVADA TELESUP

De forma similar, si la dependencia entre las variables X e

Y es indirecta, a través de una tercera variable Z (es decir,
si X e Y son condicionalmente dependientes dada Z), el
nodo Z se representará de forma que no intersecte todos
los caminos entre X y Y, es decir, Z no es un conjunto de
corte (en inglés, cutset) de X e Y.

Esta correspondencia entre dependencia condicional y

separación en grafos no dirigidos constituye la base de la teoría
de los campos de Markov (Isham (1981), Lauritzen (1982),
Wermuth y Lau- ritzen (1983)), y ha sido caracterizada
axiomáticamente de formas diversas (Pearl y Paz (1987)).
Para representar relaciones de independencia condicional por
medio de grafos no dirigidos se necesita definir de forma precisa un criterio de
separación apropiado, basándose en las ideas anteriormente expuestas. Este criterio
se conoce como criterio de U-separación. A continuación se da una definición de
este criterio y un algoritmo que permite su aplicación.

U-separación: Sean X, Y y Z tres conjunto disjuntos de

nodos de un grafo no dirigido G. Se dice que Z separa X e
Y si y sólo si cada camino entre nodos de X y nodos de Y
contiene algún nodo de Z. Cuando Z separe X e Y en G, y
se denotar I(X, Y |Z) G para indicar que esta relación de
independencia se deriva de un grafo G; en caso contrario,
se denotará por D(X, Y | Z) G, para indicar que X e Y son
condicionalmente dependientes dada Z, en el grafo G.
Se dice que X es gráficamente independiente de Y dada Z. Si Z separa X e Y. Por
tanto, el criterio de U-separación permite obtener la lista de relaciones de
independencia asociadas a un grafo no dirigido.

96
 UNIVERSIDAD PRIVADA TELESUP

Modelos TEMA 2
Definidos
Gráficamente I

Competencia:
Describir los modelos definidos gráficamente
empleando sus técnicas.

97
 UNIVERSIDAD PRIVADA TELESUP

Tema 02: Modelos Definidos Gráficamente I

ALGUNAS PROPIEDADES DE LA INDEPENDENCIA CONDICIONAL

Hasta ahora se han introducido tres modelos distintos para definir relaciones de
independencia condicional: modelos probabilísticos, modelos gráficos no dirigidos, y
modelos gráficos dirigidos. En esta sección se analizan algunas propiedades de la
independencia condicional que cumplen algunos de estos modelos.

Estas propiedades permiten obtener nuevas relaciones de

independencia a partir de un conjunto inicial de
relaciones de independencia, dado por uno de estos
modelos. Por ejemplo, dada la función de probabilidad
conjunta p(x1,..., xn) de un conjunto de variables {X1,..., Xn}.

Modelos de dependencia
Grafoide: Un grafoide es un conjunto de relaciones de independencia que es
cerrado con respecto a las propiedades de simetría, descomposición, unión débil,
contracción e intersección.
Semigrafoide. Un semigrafoide es un conjunto de relaciones de independencia
que es cerrado con respecto a las propiedades de simetría, descomposición, unión
débil y contracción.

Por tanto, un grafoide debe satisfacer las cinco primeras propiedades, mientras
que un semigrafoide debe satisfacer sólo las cuatro primeras.

Dada una lista inicial de independencias, un grafo, o una función de probabilidad

conjunta, siempre es posible determinar que relaciones de independencia se cumplen
en el modelo y, por tanto, determinar su estructura cualitativa. Por tanto, estos tipos
de modelos definen clases particulares de los denominados modelos de
dependencia.

98
 UNIVERSIDAD PRIVADA TELESUP

Modelo de Dependencia. Cualquier modelo M de un conjunto de variables {X1 ,...,

Xn } mediante el cual se pueda determinar si la relación I (X, Y |Z ) es o no cierta,
para todas las posibles ternas de subconjuntos X, Y y Z , se denomina modelo de
dependencia.
Modelo de dependencia probabilístico: Un modelo de dependencia M se
denomina probabilístico si contiene todas las relaciones de independencia dadas
por una función de probabilidad conjunta p(x1 ,..., xn).

Modelo de dependencia probabilístico no extremo: Un

modelo de dependencia probabilístico no extremo es un
modelo de dependencia probabilístico obtenido de una
función de probabilidad no extrema, o positiva; es decir,
p(x1,...,xn) toma valores en el intervalo abierto (0, 1).
Dado que todas las funciones de probabilidad satisfacen las
cuatro primeras propiedades de independencia condicional, todos los modelos de
dependencia probabilísticos son semigrafoides.

Por otra parte, dado que solo las funciones de probabilidad no extremas
satisfacen la propiedad de intersección, solo los modelos de dependencia
probabilísticos no extremos son grafoides.

Modelo de dependencia compatible con una

probabilidad: Un modelo de dependencia M se dice
compatible con una función de probabilidad p(x1,...,xn) si
todas las relaciones de independencia derivadas M son
también satisfechas por p(x1,...,xn).

99
 UNIVERSIDAD PRIVADA TELESUP

Obsérvese que un modelo de dependencia compatible con una probabilidad es aquel

que puede obtenerse de una función de probabilidad conjunta p(x1,..., xn), pero sin
necesidad de ser completo, es decir, no tienen por que contener todas las relaciones
de independencia que pueden obtenerse de p(x1,...,xn).

Dado que toda función de probabilidad cumple las cuatro primeras propiedades de la
independencia condicional, si un modelo de dependencia M
es compatible con una función de probabilidad p(x1,...,xn),
entonces el menor semigrafoide generado por M
también debe ser compatible con p(x1,...,xn). Por tanto,
un problema interesante desde el punto de vista práctico
es calcular el menor semigrafoide generado por un modelo de
dependencia M.

Construcción de un modelo probabilístico

El problema de construir una función de probabilidad para un
conjunto de variables puede simplificarse notablemente
considerando una factorización de la probabilidad como
producto de funciones de probabilidad condicionada más
sencillas. El grado de implicación dependerá de la estructura
de independencia (incondicional o condicional) existente entre
las variables del modelo. Por tanto, para encontrar una factorización apropiada del
modelo probabilístico, primero se necesita conocer su estructura de independencia.

Esta estructura de independencia (modelo de dependencia) caracteriza la

estructura cualitativa de las relaciones entre las variables.

100
 UNIVERSIDAD PRIVADA TELESUP

Por ejemplo, se necesita definir que variables son independientes y/o

condicionalmente independientes de otras y cuáles no. La estructura de
independencia y, por tanto, la factorización asociada al modelo probabilístico,
puede ser obtenida de varias formas:
1. Modelos definidos gráficamente: Como se ha visto en las secciones
anteriores, las relaciones existentes entre las variables de un conjunto pueden
ser descritas mediante un grafo. Posteriormente, utilizando un criterio de
separación apropiado, se puede obtener el conjunto de relaciones de
independencia asociado. Estos modelos de dependencia se conocen como
modelos definidos gráficamente, y tienen como ejemplos más importantes a las
redes de Markov, y las redes Bayesianas.

Las tareas de comprobar la validez de un grafo, entender sus

implicaciones, y modificarlo de forma apropiada han de ser
realizadas partiendo de la comprensión de las relaciones de
dependencia e independencia existentes en el conjunto de
variables.

2. Modelos definidos por listas de independencias: Los grafos son

herramientas muy útiles para definir la estructura de independencia de un
modelo probabilístico. Una descripción alternativa a los modelos graficos
consiste en utilizar directamente un conjunto M de relaciones de independencia
que describan las relaciones entre las variables. Este conjunto puede ser
definido por un experto a partir de sus opiniones sobre las relaciones entre las
variables del modelo. Cada una de las independencias del conjunto indica que
variables contienen información relevante sobre otras y cuando el conocimiento
de algunas variables hace que otras sean irrelevantes para un conjunto de
variables dado.

Este conjunto inicial de independencias puede ser completado incluyendo aquellas

otras que cumplan una serie de propiedades de independencia condicional. El
conjunto resultante puede ser finalmente utilizado para obtener una factorización de
la función de probabilidad del modelo.

101
 UNIVERSIDAD PRIVADA TELESUP

Los modelos resultantes se conocen como modelos definidos por listas de

relaciones de independencia.
3. Modelos definidos condicionalmente: Como alternativa a los modelos gráficos
y los modelos dados por listas de relaciones de independencia, la estructura
cualitativa de un modelo probabilístico puede venir dada por un conjunto de
funciones de probabilidad marginales y condicionadas.

Sin embargo, las funciones de este conjunto no pueden

definirse libremente, sino que han de satisfacer ciertas
relaciones para ser compatibles y definir un único
modelo probabilístico. Una ventaja de utilizar modelos
gráficos, o modelos definidos por listas de
independencias, para construir un modelo probabilístico es que estos modelos
definen una factorización de la función de probabilidad como producto de funciones
de probabilidad condicionada que determinan la estructura cualitativa del modelo
probabilístico. Normalmente, estas funciones condicionadas contienen un número
menor de variables que la función de probabilidad conjunta y, por tanto, el proceso
de definición del modelo probabilístico es más sencillo.

Una vez que se conoce la estructura cualitativa del modelo probabilístico (la
factorización de la función de probabilidad), la estructura cuantitativa de un modelo
particular se define mediante la asignación de valores numéricos a los parámetros
asociados a las funciones de probabilidad condicionada que intervienen en la
factorización del modelo. Estos valores han de ser definidos por algún
experto, o estimados a partir de un conjunto de datos. Por tanto,
si la estructura cualitativa del modelo es desconocida, que
es el caso habitual en la práctica, entonces tanto la
estructura cualitativa, como la cuantitativa (los parámetros)
han de ser estimadas a partir del conjunto de datos
disponible (una base de datos, etc.).

102
 UNIVERSIDAD PRIVADA TELESUP

Como resumen de todo lo anterior, la construcción de un modelo probabilístico

puede ser realizada en dos etapas:
1. Factorizar la función de probabilidad mediante un
producto de funciones de probabilidad condicionada.
Esta factorización puede obtenerse de tres formas
distintas:
2. Estimar los parámetros de cada una de las funciones
de probabilidad condicionada resultantes.

Este proceso se ilustra de modo esquemático en la Figura 5.9. En este diagrama,

una línea continua de un rectángulo A a un rectángulo B significa que cada miembro
de A es también un miembro de B, mientras que una línea discontinua significa que
algunos, pero no necesariamente todos, los miembros de A son miembros de B. El
camino más simple para definir un modelo probabilístico es comenzar con un grafo
que se supone describe la estructura de dependencia e independencia de las
variables.

A continuación, el grafo puede utilizarse para construir una

factorización de la función de probabilidad de las
variables. De forma alternativa, también puede
comenzarse con una lista de relaciones de
independencia y, a partir de ella, obtener una
factorización de la función de probabilidad. La
factorización obtenida determina los parámetros necesarios
para definir el modelo probabilístico. Una vez que estos parámetros han sido
definidos, o estimados a partir de un conjunto de datos, la función de probabilidad
que define el modelo probabilístico vendrá como el producto de las funciones de
probabilidad condicionada resultantes.

103
 UNIVERSIDAD PRIVADA TELESUP

FIGURA 5.9. Diagrama mostrando las formas alternativas de definir un modelo

probabilístico.

Por otra parte, si se conoce la función de probabilidad que define un modelo

probabilístico (que no es el caso habitual en la práctica), se puede seguir el camino
inverso y obtener varias factorizaciones distintas. También se puede obtener la lista
de independencias correspondiente al modelo comprobando cuales de todas las
posibles relaciones de independencia de las variables son verificadas por la función
de probabilidad. A partir del conjunto de independencias obtenido, también puede
construirse una factorización de la familia paramétrica que contiene a la función de
probabilidad dada.

104
 UNIVERSIDAD PRIVADA TELESUP

Modelos
TEMA 3
Definidos
Gráficamente
II
Competencia:
Aplicar las técnicas y herramientas formales
de análisis de sistemas desde los modelos
definidos gráficamente.

105
 UNIVERSIDAD PRIVADA TELESUP

Tema 03: Modelos Definidos Gráficamente

II

Se ha visto que el funcionamiento de un sistema experto

probabilístico depende de la correcta definición del
correspondiente modelo, que está caracterizado por la
función de probabilidad conjunta de las variables. También
se ha visto que la estuctura general de una función de
probabilidad conjunta involucra un excesivo número de parámetros. Por esta razón,
se presentaron algunos modelos probabilísticos simplificados, que eran obtenidos
imponiendo ciertas hipótesis de independencia globales sobre las variables. Sin
embargo, estos modelos son restrictivos y solamente aplicables a problemas del tipo
“enfermedades-síntomas”.

En este capítulo se desarrolla la forma de obtener modelos probabilísticos más

generales por medio de grafos. La idea básica consiste en utilizar grafos (no dirigidos
o dirigidos) para construir un modelo de dependencia que
represente la estructura cualitativa del modelo probabilístico. De
esta forma, los modelos resultantes son generales, pues se
crean a partir de un modelo de dependencia “arbitrario”, y no
de uno impuesto inicialmente. Conjuntos de variables son
incondicionalmente o condicionalmente dependientes o
independientes.

Cada modelo probabilístico tiene asociado un modelo de dependencia M, que puede

ser obtenido generando todas las relaciones de independencia condicional posibles
para un conjunto de variables dado, y comprobando cuales de ellas se satisfacen
para la función de probabilidad. Por ejemplo, si X, Y y Z son tres subconjuntos
disjuntos y p(x|y, z) = p(x|z), para cada combinación de valores de x, y y z, entonces
se verifica la relación de independencia I (X, Y |Z ) y se puede con- cluir que X e Y
son condicionalmente independientes dado Z . Por otra parte, si p(x|y, z) = p(x|z)
para algunos valores x, y, z, entonces X e Y son condicionalmente dependientes
dado Z.

106
 UNIVERSIDAD PRIVADA TELESUP

Por tanto, una función de probabilidad contiene una descripción completa

(cuantitativa y cualitativa) de las relaciones entre las variables, mientras que el
modelo de dependencia M asociado solo contiene una descripción cualitativa. Por
tanto, el término modelo de dependencia probabilístico se refiere únicamente a un
modelo de dependencia asociado a una función de probabilidad.

Por otra parte, un modelo de dependencia puede ser definido de forma alternativa
mediante un grafo (dirigido o no dirigido), una lista de
relaciones de independencia, o un conjunto de funciones
de probabilidad condicionada. Estas tres alternativas
determinan tres metodologías diferentes para construir un
modelo de dependencia:
o Modelos definidos graficamente.
o Modelos definidos por listas de independencias.
o Modelos definidos condicionalmente.

Estas tres metodologías son más generales que los

modelos presentados y pueden ser aplicadas, no solo a
problemas de diagnóstico médico (problemas tipo
“sıntoma-enfermedad”), sino también a problemas más
generales. Estas metodologías requieren ciertos
conceptos previos, se ha visto que un conjunto de
variables X1,..., Xn y sus relaciones pueden ser
representados mediante un grafo, asociando cada variable a un
nodo y cada relación entre variables a una arista entre los nodos correspondientes.
Por tanto, los términos nodo y variable se utilizan de forma sinonimia.

107
 UNIVERSIDAD PRIVADA TELESUP

En algunas ocasiones, el orden de las variables (es decir, la dirección de las aristas)
es importante en el grafo (grafos dirigidos) y en otras no (grafo no dirigido). Las
representaciones gráficas tienen la ventaja de mostrar explícitamente las relaciones
entre las variables y conservar estas relaciones de forma cualitativa (es decir, para
cualquier valor numérico de los parámetros).

Los modelos gráficos son también más intuitivos y fáciles de entender. Se analizaron
dos criterios gráficos de separación distintos para obtener las relaciones de
independencia definidas por los grafos dirigidos y los no dirigidos. Según esta
distinción, los modelos definidos bracamente pueden ser clasificados en dos grupos,
dependiendo del tipo de grafo que se utilice:
 Modelos de dependencia definidos por grafos no dirigidos.
 Modelos de dependencia definidos por grafos dirigidos.

Aunque existe un tercer tipo de modelos gráficos que

pueden ser representados por grafos mixtos (grafos que
contienen aristas dirigidas y no dirigas).
Se ha utilizado el termino dependencia en las definiciones
anteriores para enfatizar que un grafo sólo puede definir la
estructura cualitativa del modelo. Una vez que se conoce
esta estructura cualitativa, puede construirse una
factorización de la función de probabilidad e identificarse el conjunto de parámetros
que definen el modelo. Los valores numéricos de los parámetros pueden ser dados
por un experto, o estimados a partir de un conjunto de datos disponibles.

Algunas definiciones y problemas

Mapa perfecto. Un grafo G se dice que es un mapa perfecto de un modelo de
dependencia M si cada relación de independencia obtenida de G también puede ser
obtenida de M y viceversa, es decir,

Dependiendo del carácter dirigido o no dirigido del grafo G, los mapas perfectos
se denominan mapas perfectos dirigidos o no dirigidos, respectivamente.

108
 UNIVERSIDAD PRIVADA TELESUP

Ocho posibles grafos no dirigidos con tres variables.

FIGURA 6.1. Ocho posibles grafos no dirigidos con tres variables.

El modelo de dependencia M del Ejemplo 6.1 tiene un mapa

perfecto dirigido, a pesar de que no posee ningún mapa perfecto
no dirigido. Se deja como ejercicio para el lector demostrar que el
grafo dirigido mostrado en la Figura 6.2 es un mapa perfecto
dirigido de M. En este caso, los grafos dirigidos son más potentes
que los no dirigidos. Sin embargo, no todo modelo de dependencia posee un mapa
perfecto dirigido. El ejemplo siguiente muestra uno de estos modelos.

FIGURA 6.2. Mapa perfecto dirigido del modelo de dependencia M en (6.1)

No existe ningún grafo dirigido acíclico D que sea mapa perfecto del modelo de
dependencia M.

109
 UNIVERSIDAD PRIVADA TELESUP

En los casos en los que no existe un mapa perfecto, es necesario asegurarse de que
el modelo gráfico que se utilice no posea ninguna independencia que no esté
contenida en el modelo, y que el número de independencias del modelo que no sean
reproducidas por el grafo sea mínimo. Esto motiva las siguientes definiciones.

Mapa de independencia. Un grafo G se dice que es un mapa de independencia (I -

mapa) de un modelo de dependencia M si

Es decir, si todas las relaciones de dependencia derivadas de G son verificadas por

M. Obsérvese que un I-mapa G de un modelo de dependencia M incluye algunas de
las independencias de M, pero no necesariamente todas. Entonces, se tiene

Por tanto, cada modelo de dependencia tiene asociados un I

-mapa y un D mapa triviales. Por ejemplo, cualquier grafo
totalmente inconexo es un D-mapa trivial y cualquier grafo
completo es un I-mapa trivial de cualquier modelo de
dependencia. De esta forma, para que un grafo sea un
mapa perfecto de un modelo, ha de ser simultáneamente un
I-mapa y un D-mapa de ese modelo.
I-mapa minimal: Se dice que un grafo G es un I mapa minimal de un modelo de
dependencia M si es un I -mapa de M, pero pierde esta propiedad cuando se elimina
una cualquiera de sus aristas.

A pesar de que los modelos de dependencia y las representaciones gráficas tienen

numerosas aplicaciones mas allá de la probabilidad, el interés principal de este libro
es la construcción de modelos probabilísticos y, por tanto, estamos interesados en
conocer la relación existente entre las representaciones gráficas y las funciones de
probabilidad, es decir, la relación existente entre las nociones formales de
dependencia probabilística y la estructura topológica de un de un grafo.

110
 UNIVERSIDAD PRIVADA TELESUP

Una razón importante para representar la estructura de dependencia de un modelo

mediante un grafo es que comprobar la conexión de un conjunto de variables en un
grafo, es más fácil que comprobar la independencia condicional de un conjunto de
variables utilizando las formulas de la Probabilidad.
Un D- mapa garantiza que todos los nodos que estén conectados en el grafo serán
por tanto dependientes; sin embargo, el grafo puede ocasionalmente representar
desconectados algunos conjuntos de variables dependientes.

Modelos de dependencia gráficos no dirigidos

En esta sección se analiza la forma de definir
modelos de dependencia utilizando grafos no
dirigidos. Nuestro objetivo es encontrar un grafo que
reproduzca tantas independencias asociadas a un
modelo probabilístico como sea posible. Se
comienza con el problema de representar estos
modelos por medio de mapas perfectos los mapas y,
a continuación, se introduce un clase importante de
modelos probabilísticos definidos por grafos no
dirigidos. Estos modelos se conocen por redes de Markov.

De modelos a grafos no dirigidos

En esta sección se analiza el problema de representar
modelos probabilísticos utilizando grafos no dirigidos,
es decir, se desea encontrar el grafo correspondiente a
un modelo de dependencia probabilístico. Como ya se
ha visto, no todos lo modelos probabilísticos de
dependencia pueden ser representados por mapas
perfectos no dirigidos.

111
 UNIVERSIDAD PRIVADA TELESUP

Extensiones TEMA 4
de los Modelos
Gráficos
Competencia:
Emplear las extensiones de los modelos
gráficos para desarrollar de manera técnica
las probabilidades.

112
 UNIVERSIDAD PRIVADA TELESUP

Tema 04: Extensiones de los Modelos

Gráficos

MODELOS DEFINIDOS POR MULTÍGRAFOS

Interpretación de independencias en un multígrafo
El primer problema relacionado con los modelos definidos por multigrafos es la
interpretación gráfica de sus independencias. Las redes Bayesianas y de Markov son
I -mapas de un cierto modelo de dependencia asociado al modelo probabilístico
correspondiente. Entonces, todas las independencias condicionales contenidas en el
grafo también son independencias del modelo correspondiente.

Por tanto, será cierta en un multigrafo una relación de

independencia cualquiera si es cierta en alguno de los grafos
que componen el multigrafo; en caso contrario será falsa. Por
tanto, el criterio gráfico de separación para multigrafos
consiste en la aplicación del criterio de U - separación en los
grafos no dirigidos que compongan el multigrafo y el criterio
de D-separación en los dirigidos.

Reducción del conjunto de grafos

El segundo problema de estos modelos es el de la redundancia en un multigrafo. En
algunos casos, todas las independencias implicadas por un grafo del modelo pueden
ser obtenidas a partir de los demás grafos. Por ejemplo, Shachter (1990b) introdujo
algunas transformaciones gracias que permiten simplificar la estructura de los grafos
eliminando independencias redundantes.

113
 UNIVERSIDAD PRIVADA TELESUP

En algunos casos, el conjunto de grafos puede ser reducido a un conjunto menor que
es una representación más simple y eficiente del modelo.
Grafos redundantes. Dados dos grafos G1 y G2 , se dice que G1 es redundante
dado G2 si el conjunto de relaciones de independencia contenidas en G1 está
contenido en G2 .

FIGURA 7.3. Tres grafos dirigidos a cíclicos que definen un multigrafo.

El teorema siguiente muestra las condiciones para que dos grafos dirigidos
sean redundantes.
Redundancia en multígrafos dirigidos. Sean D1 y D2 dos grafos dirigidos acíclicos
sobre el mismo conjunto de variables X, y sean G1 y G2 los grafos no dirigidos
asociados respectivos. Entonces, D2 es redundante dado D1 si (a) G2 está contenido
en G1 , (b) cada v-estructura de D1 está también contenida en D2 , y (c) cada v-
estructura (Xi , Xj , Xk ) de D2 está también contenida en D1 siempre que G1
contenga el camino Xi − Xj − Xk .

114
 UNIVERSIDAD PRIVADA TELESUP

Modelos definidos por listas de independencias

Las listas de independencias constituyen una alternativa a los modelos gráficos para
la construcción de modelos probabilísticos. Esta lista puede venir dada directamente
por un experto en el tema a analizar, y representa las relaciones existentes entre las
variables del modelo.

En esta sección se analiza la relación entre una relación de independencia en un

modelo probabilístico y una factorización de la
función de probabilidad correspondiente.
Esta relación puede resumirse del modo siguiente:
 Siempre se puede encontrar una
factorización que contiene una relación de
independencia dada.
 Una factorización puede implicar una o más
relaciones de independencia.

De una relación de independencia a una factorización. Considérese el conjunto de

variables {X1 , X2 , X3 , X4 } y supóngase que cumplen la relación de independencia
I (X1 , X2 |X3 ). La función de probabilidad correspondiente puede escribirse como

…….(7.14)
Donde la primera igualdad se ha obtenido considerando la partición de las variables
{{X2 , X3 }, X1 , X4} y aplicando la regla de la cadena a la función de probabilidad
p(x), y la segunda igualdad se ha obtenido utilizando la relación de independencia I
(X1 , X2 |X3), que implica p(x1 |x2 , x3) = p(x1 |x3).

Por tanto, cualquier función de probabilidad que factorice según (7.14)

contiene, al menos, la relación de independencia I(X1, X2 |X3).

115
 UNIVERSIDAD PRIVADA TELESUP

Obsérvese que la función de probabilidad podría contener también otras relaciones

de independencia derivadas de los axiomas de la probabilidad (por ejemplo, la
relación de independencia simétrica I (X2, X1 |X3)). Por tanto, la lista de
independencias formada por una única relación de independencia es un I-mapa del
modelo probabilístico resultante.

Existen listas de independencia que contienen varias relaciones de independencia y

que pueden definir una única factorización de forma colectiva. Un ejemplo de ello lo
constituyen las listas causales. Dado el conjunto de variables X = {X1,...,Xn}, una lista
causal definida sobre X es un conjunto de relaciones de independencia de la forma {I
(Y1,B1\S1 |S1),...,I (Yn, Bn\Sn |Sn)}, donde (Y1,...,Yn) es una permutación de {X1,...,
Xn } y Si ⊂ Bi = {Y1,..., Yi−1}.

Esta lista define la siguiente:

Factorización de la función de probabilidad

………(7.15)
Que incluye todas las relaciones de independencia de la lista causal.

Modelos probabilísticos multifactorizados

Hemos visto que la definición de una función de
probabilidad mediante multigrafos y listas de relaciones
de independencia se reduce a hallar la función de
probabilidad compatible con un conjunto dado de
factorizaciones. Por tanto, estos dos modelos son casos
especiales de un tipo de modelos más generales conocido como modelos
probabilísticos multifactorizados.

116
 UNIVERSIDAD PRIVADA TELESUP

Modelos probabilísticos multifactorizados: Un modelo probabilístico multifactorizado

sobre un conjunto de variables X ={X1,..., Xn}, es un conjunto de factorizaciones
compatibles obtenidas aplicando la regla de la cadena.

……..(7.28)

Modelos multinomiales multifactorizados

Estructura paramétrica de una función de probabilidad
Considérese el conjunto de variables discretas {X1 ,..., Xn }, donde la variable Xi
puede tomar los valores {0,...,ri}. Dado que las funciones de probabilidad
conidicionada pσ(yσ|sσ), que definen las factorizaciones de la función de
probabilidad, pueden ser consideradas como familias paramétricas, una
representación apropiada de los parámetros del modelo probabilístico asociado a la
factorización Bésima viene dada por:

………. (7.30)

Donde s es una realización de Sσ. Por tanto, el primer subíndice de θσi

ijs se refiere al número del nodo, el segundo subíndice se refiere al estado del nodo y
los subíndices restantes se refieren a la realización de Sσ. Dado que los parámetros
están asociados a probabilidades, han de satisfacer las igualdades

Para cada i y s. Por tanto, uno de los parámetros puede escribirse como uno menos
la suma de los restantes. Por ejemplo,

…...(7.31)

117
 UNIVERSIDAD PRIVADA TELESUP

El conjunto de parámetros θσ se denota por Θσ.

La probabilidad de cualquier realización de las variables {x1,...,xn} es un monomio en
los parámetros que definen el modelo probabilístico de grado menor o igual que el
número de variables. Sin embargo es un polinomio de primer grado en cada uno de
los parámetros.
Demostración: Se tiene que la probabilidad de una realización
(x1 ,..., xn ), es

Obsérvese que todos los parámetros que intervienen en el producto anterior están
asociados a variables distintas. Por tanto p(x1,...,xn) es un monomio de grado menor
o igual que el número de variables. Obsérvese también que p(x1,...,xn) puede
resultar un polinomio si sólo se considera el conjunto de parámetros libres. Para ello
solo se necesita reemplazar los parámetros θiri si por

Esta substitución crea tantos monomios nuevos como

cardinalidad tenga la variable Xi, pero cada uno de los
monomios resultantes sigue siendo de primer grado en
cada uno de los parámetros. El corolario siguiente
determina la estructura algebraica de las probabilidades
marginales asociadas a un modelo probabilístico.
La probabilidad marginal de cualquier conjunto de nodos Y ⊂ X es un polinomio en
los parámetros que definen el modelo probabilístico de grado menor o igual que el
número de variables. Sin embargo, es un polinomio de primer grado en cada uno de
los parámetros.

118
 UNIVERSIDAD PRIVADA TELESUP

El problema de la compatibilidad
El análisis de la estructura paramétrica de las probabilidades, introducido en la
sección anterior, permite resolver el problema de la compatibilidad de los modelos
multifactorizados, es decir, permite obtener la familia de funciones de probabilidad
compatible con el conjunto de factorizaciones dado en (7.29). Obsérvese que
siempre existe una solución trivial para este problema, ya que el modelo de
independencia total cumple todas las relaciones de independencia posibles

Sin embargo, se está interesado en obtener una función

de probabilidad que cumpla las relaciones de
independencia necesarias, pero que incluya el mínimo
número posible de independencias adicionales.
La idea del método propuesto por Castillo, Gutierrez y
Hadi (1996b) es la de elegir una de las factorizaciones,
por ejemplo P1, y designarla como la factorización de
referencia de la función de probabilidad. Los parámetros asociados, Θ1, también se
denominan parámetros de referencia. Una vez que la factorización de referencia ha
sido fijada, el problema de la compatibilidad puede ser resuelto calculando las
restricciones sobre los parámetros de referencia para que la función de probabilidad
pueda ser factorizada según el resto de factorizaciones.

Modelos normales multifactorizados

El problema de compatibilidad asociado al conjunto de factorizaciones de un modelo
normal multifactorizado se reduce al problema de encontrar la matriz de covarianzas
de la variable aleatoria multidimensional que sea compatible con las factorizaciones
dadas, o con las relaciones de independencia implicadas por ellas. De manera similar
al caso de los modelos multinomiales multifactorizados, se pueden designar como
parámetros de referencia a los parámetros asociados a la matriz de covarianzas de
la primera factorización.

119
 UNIVERSIDAD PRIVADA TELESUP

Independencia Condicional a través de la Matriz de Precisión: Sea X una variable

aleatoria distribuida de forma normal y sea {V, Y, Z} una partición de X.
Sea W = Σ−1 la matriz de precisión del modelo, es decir, la inversa de la matriz
de covarianzas Σ. Entonces, se cumple I (V, Y |Z) si y sólo si el bloque WVY de la
matriz W es la matriz nula. El teorema siguiente muestra que, para variables
aleatorias normales, los términos dependencia y correlación son equivalentes, así
como los términos dependencia condicional y correlación parcial.

Modelos probabilísticos definidos Condicionalmente

En las secciones anteriores se han analizado los
modelos multifactorizados, que permiten resolver el
problema de compatibilidad de los modelos
basados en multigrafos y los modelos basados
en una lista de relaciones de independencia. En
esta sección se trata el problema de la definición de un modelo
probabilístico mediante un conjunto de funciones de probabilidad
condicionada. Los modelos definidos de esta forma se denominan modelos
probabilísticos definidos condicionalmente.

Modelos definidos condicionalmente: Considérese un conjunto de variables X = {X1

,..., Xn }. Un modelo probabilístico definido condicionalmente consiste en un
conjunto de probabilidades marginales y condicionadas de la forma
P = {p(ui |vi ); i = 1,..., m},
que define una única función de probabilidad de X , donde Ui y Vi son
subconjuntos disjuntos de X y Ui = φ.

120
 UNIVERSIDAD PRIVADA TELESUP
Lecturas Recomendadas
 SISTEMAS EXPERTOS Y MODELOS DE REDES PROBABILÍSTICAS
http://fismat.umich.mx/~htejeda/gutierjm/BookCGH.pdf

 SISTEMAS EXPERTOS PROBABILÍSTICOS

http://es.slideshare.net/lcahuich/sistemas-expertosprobabilisticos-2a-parte

Actividades y Ejercicios

1. En un documento en Word realice un informe académico sobre la

construcción de modelos gráficos y probabilísticos, haciendo énfasis en
generación de gráficos no dirigidos.
Envíalo a través de "Construcción de Modelos Gráficos".

2. En un documento en Word presente dos ejemplos de modelos de

dependencia: grafoides y semigrafoides.
Envíalo a través de "Modelos de Dependencia".

121
 UNIVERSIDAD PRIVADA TELESUP

Autoevaluación
1) Para comprobar si un grafo dirigido verifica una relación de independencia
dada, es necesario introducir :
a. Un criterio de separación.
b. Tres grafos continuos.
c. Un grafo no dirigido.
d. Un grafo no continúo.
e. Dos o más uniones de grafos.

2) ¿Cuántos modelos para definir relaciones de independencia condicional

hay?
a. 5.
b. 2.
c. 4
d. 7.
e. 3.

3) Es un conjunto de relaciones de independencia que es cerrado con

respecto a las propiedades de simetría, descomposición, unión débil,
contracción e intersección.
a. Un grafoide.
b. Inter-operatibilidad.
c. Exactitud.
d. Seguridad de acceso.
e. Fiabilidad.

4) Un modelo de dependencia se denomina probabilístico si contiene

_______________dadas por una función de probabilidad conjunta.
a. Accesos.
b. Interoperatibilidad.
c. Todas las relaciones de independencia seguridad.
d. Exactitud.
e. Fiabilidad.

5) Los grafos son herramientas muy útiles para definir la estructura de

___________ de un modelo probabilístico.
a. Discreción.
b. Indiscreción.
c. independencia.
d. Multi discreción.
e. Grafoide discreto.

122
 UNIVERSIDAD PRIVADA TELESUP

6) Para representar relaciones de independencia condicional por medio de

grafos no dirigidos se necesita definir de forma precisa:
a. Algoritmo y su aplicación.
b. Un criterio de separación apropiado.
c. Los caminos entre nodos.
d. Dependencia de los nodos.
e. Independencias asociadas de un grafo.

7) La estructura general de una función de probabilidad conjunta involucra un

excesivo número de:
a. Códigos.
b. Variables.
c. Simplificaciones.
d. Parámetros.
e. Modelos.

8) Cada modelo probabilístico tiene asociado un modelo de:

a. Independencia.
b. Variables.
c. Parámetros.
d. Funciones.
e. Dependencia.

9) Las listas de independencias constituyen una alternativa a los modelos

gráficos para la construcción de:
a. Modelos probabilísticos.
b. Relaciones.
c. Variables.
d. Factorización.
e. Independencia derivada.

10) ¿En qué modelo se analiza el problema de representar modelos

probabilísticos para encontrar el grafo correspondiente a un modelo de
dependencia probabilístico?
a. Modelos de dependencia gráficos no dirigidos.
b. Modelos a grafos no dirigidos.
c. Modelos de independencia gráficos no dirigidos.
d. Modelo de mapa de independencia.
e. Modelo de mapa de dependencia.

123
 UNIVERSIDAD PRIVADA TELESUP
Resumen
UNIDAD DE APRENDIZAJE iIi:

Los grafos son herramientas muy potentes para describir de forma intuitiva las
relaciones de dependencia e independencia existentes en un conjunto de variables. Por
tanto, una forma de definir un modelo probabilístico es partir de un grafo que describa
las relaciones existentes entre las variables.

Para comprobar cuales, de entre todas las posibles relaciones de independencia

condicional, son satisfechas por el grafo. Los criterios de separación gráfica son las
reglas para entender cómo pueden codificarse dependencias e independencias en un
grafo. Estos criterios dependen del tipo de grafo (dirigido o no dirigido) que se esté
considerando.

En muchas situaciones practicas, las relaciones existentes entre un conjunto de

variables pueden ser representadas por un grafo no dirigido G. cada variable puede ser
representada por un nodo del grafo. Si dos variables son dependientes, esta relación
puede representarse por un camino que conecte estos nodos. Por otra parte, si dos
variables son independientes, entonces no deberá existir ningún camino que una estos
nodos. De esta forma, el concepto de dependencia entre variables puede relacionarse
con el concepto de conexión entre nodos.

Para comprobar si un grafo dirigido verifica una relación de independencia dada, es

necesario introducir otro criterio de separación. Hasta ahora se han introducido tres
modelos distintos para definir relaciones de independencia condicional: modelos
probabilísticos, modelos gráficos no dirigidos, y modelos gráficos dirigidos.

124
UNIVERSIDAD PRIVADA TELESUP

125
 UNIVERSIDAD PRIVADA TELESUP
Introducción
a) Presentación y contextualización:
Las redes Bayesianas son modelos gráficos probabilísticos utilizados en la toma
de Decisiones. Una red Bayesiana representa una función de distribución conjunta
Sobre un conjunto finito de variables. Muchas de las actividades en la ingeniería
del software, como por ejemplo, la estimación de costes o esfuerzo, evaluación de
riesgos o fiabilidad tratan con valores inciertos o probabilísticas. Por tanto, diversas
técnicas estadísticas y la teoría de la probabilidad han sido aplicadas a la
ingeniería del software desde sus inicios.

b) Competencia:
Explica la importancia del análisis y estudio de la propagación exacta en
diversas redes probabilísticas.

c) Capacidades:

1. Comprende las generalidades y aplicación de la propagación de evidencias.

2. Conoce los principales métodos de propagación aproximada, identificando las
características que la representan.
3. Reconoce la importancia de la propagación simbólica de evidencia respecto al
desarrollo de redes.
4. Aplica las diversas teorías de aprendizaje sobre las redes bayesianas en
diversos sistemas expertos.

d) Actitudes:
 Muestra interés por el análisis sobre la propagación exacta en diversas redes
probabilísticas.
 Muestra entusiasmo en los diversos desarrollos de las teorías respecto a la
propagación en redes.

e) Presentación de Ideas básicas y contenidos esenciales de la Unidad:

La Unidad de Aprendizaje 04: Propagación Exacta en Redes Probabilísticas,

comprende el desarrollo de los siguientes temas:

TEMA 01: Propagación de Evidencia.

TEMA 02: Métodos de Propagación Aproximada.
TEMA 03: Propagación Simbólica de Evidencia.
TEMA 04: Aprendizaje en Redes Bayesianas.

126
 UNIVERSIDAD PRIVADA TELESUP

TEMA 1
Propagación
de Evidencia

Competencia:
Comprender las generalidades y aplicación
de la propagación de evidencias.

127
 UNIVERSIDAD PRIVADA TELESUP
Desarrollo de los Temas

Tema 01: Propagación de Evidencia

La propagación de evidencia es una de las tareas más importantes de un sistema

experto, pues permite obtener conclusiones cuando se dispone de nueva información
(síntomas, etc.). Supóngase un conjunto de variables discretas X = {X1 ,..., Xn } y una
función de probabilidad p(x), en X. Cuando no se dispone de ninguna información, es
decir, cuando no existe evidencia, el proceso de propagación consiste en calcular las
probabilidades marginales p(Xi = xi), también denotadas por p(xi ), para cada Xi ∈ X .
Estas probabilidades proporcionan información “a priori” sobre los distintos valores
que pueden tomar las variables.

Cuando se dispone de cierta evidencia, es decir, cuando se

conoce un conjunto de variables E ⊂ X que tienen asociadas los
valores Xi = ei, para Xi ∈ E, el proceso de propagación debe
tener en cuenta estos valores para calcular las nuevas
probabilidades de los nodos.
Evidencia. Un subconjunto de variables E ⊂ X cuyos valores son conocidos, E = e, en
una situación dada, se conoce como conjunto de evidencia, o simplemente evidencia.

En esta situación, la propagación de evidencia consiste en

calcular las funciones de probabilidad condicionada p(xi |e)
para cada variable Xi ∈ E, dada la evidencia E = e. Estas
funciones de probabilidad condicionada miden el efecto
producido por la evidencia en cada variable. Cuando no se
dispone de evidencia (E = φ), las funciones condicionadas p(xi |e) son simplemente
las funciones de probabilidad marginal p(xi).Un forma de calcular las probabilidades
p(xi |e) consiste en utilizar la fórmula que implica p(xi |e) = p(xi ,e) p(e) ∝ p(xi , e),
donde 1/p(e) es una constante de proporcionalidad. Por tanto, se puede obtener p(xi
|e), calculando y normalizando las probabilidades marginales p(xi , e).

128
 UNIVERSIDAD PRIVADA TELESUP

De esta forma se tiene p(xi , e) = x\{xi ,e} pe (x1 ,..., xn ), donde pe (x1 ,..., xn ) es la
función de probabilidad obtenida sustituyendo en p(x1 ,..., xn ) las variables con
evidencia, E, por sus valores e. Por tanto, para calcular p(xi , e), ha de sumarse pe
(x1 ,..., xn) para todas las posibles combinaciones de valores de las variables que no
estén contenidas en E, excepto la variable Xi .

Debido al elevado número de combinaciones de valores que involucra, este método

de “fuerza bruta” resulta altamente ineficiente, incluso en redes con un número
reducido de variables. Por ejemplo, en el caso de variables binarias, la ecuación
requiere la suma de 2n−1 probabilidades distintas. En la Figura 8.1 se muestra el
tiempo de computación necesario para calcular p(xi ) en un ordenador personal. Esta
figura muestra que el tiempo de computación crece de forma exponencial con el
número de variables del modelo, n. Puede observarse que este método es ineficiente
incluso para modelos con solo unas decenas de variables.

PROPAGACIÓN EN POLIÁRBOLES
El poliarbol es uno de los modelos gráficos más simples para construir redes
Bayesianas. La característica principal de este algoritmo es que su complejidad es
lineal en el tamaño de la red (es decir en el número de nodos y aristas que la
componen), a diferencia del método de fuerza bruta que requiere un numero
exponencial de operaciones para realizar la propagación.

Por ejemplo, el nodo D divide al poliárbol en dos

poliarboles inconexos, el primero de los cuales, {A, B,
C}, incluye a sus padres y a los nodos que son
accesibles desde D a través de sus padres, y el
segundo, {E, F, G}, que incluye a sus hijos y a los
nodos que son accesibles desde D a través de sus hijos. en la cual también puede
comprobarse que el nodo D separa a estos dos conjuntos, es decir, que se verifica
graficamente la relación de independencia I ({A, B, C }, {E, F, G}|D).

129
 UNIVERSIDAD PRIVADA TELESUP

Figura 8.1. El nodo D divide al poliárbol en dos poliárboles inconexos.

El proceso de propagación puede realizarse en este tipo de grafos de un modo

eficiente combinando la información procedente de los distintos subgrafos mediante
el envío de mensajes (cálculos locales) de un subgrafo a otro.

Valores numéricos de los mensajes y funciones calculados por el algoritmo de

propagación en poliárboles cuando no se dispone de evidencia.

130
 UNIVERSIDAD PRIVADA TELESUP

PROPAGACIÓN EN REDES MÚLTIPLEMENTE CONEXAS

El método de propagación en poliárboles descrito en la sección anterior es válido
solamente para redes de estructura simple (poliárboles), en las cuales existe un único
camino entre cada par de nodos. Por tanto, este tipo de redes carecen de
generalidad y no son aplicables en numerosas situaciones prácticas. En estos casos
es necesario trabajar con grafos múltiplemente conexos (grafos que contienen
bucles) en los que pueden existir varios caminos entre dos nodos. Dos de los
métodos de propagación más importantes para este tipo de redes son los
denominados métodos de condicionamiento y método de agrupamiento.

La idea fundamental del método de propagación por condicionamiento es cortar los

múltiples caminos entre los nodos mediante la asignación de valores a un conjunto
reducido de variables contenidas en los bucles. De esta forma se tendrá un poliárbol
en el cual se podrá aplicar el algoritmo de propagación para poliarboles descrito en la
sección anterior. Por otra parte, el método de agrupamiento construye
representaciones auxiliares, de estructura más simple, uniendo conjuntos de nodos
del grafo original (por ejemplo, un árbol de unión). De esta forma se puede obtener
un grafo con estructura de poliárbol en el que pueden aplicarse las mismas ideas
descritas en la sección anterior para propagar evidencia.

Probabilidades marginales (iniciales) de los nodos (a) y probabilidades

condicionadas (actualizadas), dada la evidencia D = 0 (b).

131
 UNIVERSIDAD PRIVADA TELESUP

MÉTODO DE CONDICIONAMIENTO
En el caso de redes Bayesianas múltiplemente conexas ya no se cumple la
propiedad de que un nodo cualquiera separa el grafo en dos partes inconexas. Por
tanto, algunas de las propiedades de independencia aplicadas en el algoritmo de
propagación en poliárboles no pueden ser aplicadas en esta situación.

FIGURA 8.16. Grafo múltiplemente conexo

La idea básica del algoritmo de condicionamiento es cortar estas vias alternativas de

comunicación contenidas en los bucles asignando un valor arbitrario a un conjunto de
nodos. Este conjunto de nodos se suele denominar conjunto de corte (en ingl´es,
cutset). Por ejemplo, el nodo D no separa al grafo de la Figura en dos partes
inconexas, pero si se considera el conjunto de corte formado por el nodo C,
entonces, el conjunto {C, D} separa a {A, B} de {E, F, G}, los subgrafos que contienen
a los padres e hijos de D, respectivamente. Por tanto, se puede cortar el bucle
contenido en el grafo considerando el nodo C como un nodo evidencial, es decir,
asignándole un valor arbitrario.

Esta idea de cortar los bucles para obtener un grafo de estructura más simple puede
ser llevada a la práctica utilizando el método denominado absorción de evidencia.
Este método muestra que la evidencia puede ser absorbida por el grafo cambiando
su topología. De forma más precisa, si Xi es un nodo evidenciar, se pueden eliminar
del grafo todas las aristas de la forma Xi → Xj sustituyendo la función de probabilidad
condicionada del nodo Xj , p(xj |πj ), por una función definida sobre un conjunto más
reducido de variables:
p1 (xj |πj \ xi) = p(xj |πj \ xi , Xi = ei ).

132
 UNIVERSIDAD PRIVADA TELESUP

Esta operación deja inalterado el modelo probabilístico,

mientras que implica la topología del grafo al eliminar un
conjunto de aristas. Obsérvese que el conjunto Πj \ Xi es el
nuevo conjunto de padres del nodo Xj en el grafo modificado.
Por ejemplo, si se asigna un valor arbitrario, C = c, al nodo C,
es decir, si se convierte C en un nodo evidencial en el grafo de la Figura 8.16,
entonces se puede absorber esta evidencia eliminando del grafo la arista C → F,
obteniendo así un nuevo grafo con estructura de poliarbol (ver Figura 8.17).

Para mantener inalterada la función de probabilidad condicionada del conjunto de

variables no evidénciales, p (y|C = c), se reemplaza la función de probabilidad p (f |c,
d) por p1 (f |d) = p(f |C = c, d), lo cual elimina la dependencia del nodo F respecto de
la evidencia C.
p1(f | d) = p(f | C=c, d)
Absorción de la evidencia C = c mediante la arista C → F.
Por tanto, utilizando el método de absorción de evidencia se puede reducir un grafo
múltiplemente conexo a un poliárbol, asignando un valor arbitrario a los nodos de un
conjunto de corte C = {C1 ,..., Cm }.

MÉTODOS DE AGRUPAMIENTO
El algoritmo de propagación en poliárboles y el algoritmo de
condicionamiento introducidos en las secciones anteriores
aprovechan la estructura particular de los grafos dirigidos para
propagar la evidencia. Por tanto, estos algoritmos son sólo
aplicables a redes Bayesianas. En esta sección se presenta un método de
propagación distinto, el método de agrupamiento que, a partir de las estructuras
locales contenidas en el grafo, produce representaciones alternativas para propagar
la evidencia. Por tanto, estos métodos no dependen del tipo de grafo y son aplicables
tanto a redes de Markov, como a redes Bayesianas.

133
 UNIVERSIDAD PRIVADA TELESUP

El método de agrupamiento, inicialmente desarrollado por Lauritzen y Spiegelhalter

(1988), se basa en la construcción de subconjuntos de nodos (aglomerados) que
capturen las estructuras locales del modelo probabilístico asociado al grafo. De esta
forma, el proceso de propagación de evidencia puede ser realizado calculando
probabilidades locales (que dependen de un número reducido de variables), evitando
así calcular probabilidades globales (que dependen de todas las variables), los
conglomerados de un grafo son los subconjuntos que representan sus estructuras
locales.

Por tanto, en primer lugar, el algoritmo de agrupamiento calcula los conglomerados

del grafo; a continuación obtiene las funciones de probabilidad condicionada de cada
conglomerado calculando de forma iterativa varias funciones de probabilidad locales.
Por último, se obtiene la función de probabilidad condicionada de cada nodo
marginalizando la función de probabilidad de cualquier conglomerado en el que esté
contenido. En esta sección se presentan dos versiones de este algoritmo, una para
redes de Markov y otra para redes Bayesianas.

Eliminar de X los nodos evidenciales. Este proceso también implica modificar el

conjunto de conglomerados y la representación potencial. La nueva representación
potencial, (C ∗, Ψ∗), está definida en X ∗, donde X ∗ = X \ E, C ∗ es el nuevo conjunto
de conglomerados y Ψ∗ son los nuevos potenciales, que contienen la evidencia, y
que han sido obtenidos de la forma siguiente: Para cada conglomerado Ci contenido
en C tal que Ci ∩ E = φ, se incluye el conjunto Ci \ E en C ∗ y se define Para el resto
de los conglomerados que no contienen nodos evidenciales, no es necesario realizar
ninguna medicación en las representaciones potenciales correspondientes. Con ello,
se tiene p(x∗|e) ∝ ψ∗(ci ).i=1

Por tanto, en ambos casos, se puede aplicar el método anterior para obtener la
función de probabilidad condicionada de los nodos, dada la evidencia E = e. En el
primer caso se continua con la misma estructura utilizan más recursos de los
necesarios. En el segundo caso, no se utilizan más recursos de los necesarios, pero
se necesita modificar la estructura. Por tanto, se requiere un consenso entre ambas
opciones con objeto de elegir la más adecuada en cada caso.

134
 UNIVERSIDAD PRIVADA TELESUP

Algoritmo de Agrupamiento en Redes Bayesianas

En la sección anterior se presentó el método de agrupamiento para propagar
evidencia en redes de Markov. En esta sección se presenta una adaptación

FIGURA 8.26. Grafo dirigido acíclico múltiplemente conexo.

PROPAGACIÓN EN ARBOLES DE CONGLOMERADOS

El algoritmo de agrupamiento agrupa conjuntos de nodos con cierta estructura local
creando una cadena de conglomerados para propagar evidencia. Algunas
modificaciones de este método utilizan una representación gráfica de la cadena de
conglomerados (por ejemplo, un árbol de unión) para propagar la evidencia de forma
más eficiente. El método de los universos de conocimiento desarrollado por Jensen,
Olesen y Andersen Transforma el grafo múltiplemente conexo en un árbol de
conglomerados asociado al grafo original.

135
 UNIVERSIDAD PRIVADA TELESUP

Métodos de TEMA 2
Propagación
Aproximada
Competencia:
Conocer los principales métodos de
propagación aproximada, identificando las
características que la representan.

136
 UNIVERSIDAD PRIVADA TELESUP

Tema 02: Métodos de Propagación

Aproximada

BASE INTUITIVA DE LOS MÉTODOS DE SIMULACIÓN

En esta sección se ilustra un esquema general de simulación mediante un sencillo
ejemplo. Considérese una urna que contiene seis bolas numeradas {1,..., 6}.
Supóngase que se quiere realizar el siguiente experimento. Se selecciona una bola al
azar de la urna, se apunta su número, se devuelve a la urna, y se mezclan las bolas
antes de proceder a extraer la bola siguiente. Este esquema de muestreo se
denomina muestreo con reemplazamiento. Cada selección de una bola se llama una
extracción o un experimento. En este caso cada extracción tiene seis posibles
resultados, {1,..., 6}.

Sea Xi el resultado (el número de la bola) de la extracción i-ésima.

Puesto que el muestreo se hace con reemplazamiento, las
extracciones son independientes (el resultado de una
extracción no influye en el resultado de las demás).
Claramente, Xi es una variable uniforme con función de
probabilidad p(Xi = xi ) = 1/6, para xi = 1,..., 6 y i = 1,...,N ,
donde N es el número de extracciones (el tamaño de la muestra). Utilizando esta
función de probabilidad conjunta, se pueden calcular las probabilidades exactas de
ciertos sucesos tales como p(X1 = 1,..., Xn =1)
p (número de pares = número de impares), etc.

Estos cálculos son fáciles en este caso puesto que la

distribución es uniforme (hay exacta- mente una bola para cada
uno de los números {1,..., 6}), las extracciones son idénticas (se
usa la misma urna), y el resultado de cada extracción es
independiente de los resultados de los demás (muestreamos con reemplazamiento).
Los cálculos de las probabilidades exactas son complicados y costosos cuando la
distribución no es uniforme (por ejemplo, se tiene distinto número de bolas de
diferentes tipos), las extracciones no son idénticos (por ejemplo, se realiza un
muestreo con diferentes números de bolas), y/o extracciones que no son
independientes (por ejemplo, muestreo sin reemplazamiento).

137
 UNIVERSIDAD PRIVADA TELESUP

En estas situaciones complicadas, se pueden calcular las probabilidades de ciertos

sucesos de forma aproximada mediante técnicas de simulación. Se puede, por
ejemplo, repetir un experimento N veces. Se obtiene lo que se llama una muestra de
tamaño N. Entonces, la probabilidad de un suceso puede aproximarse por el cociente
entre el número de veces que ocurre dicho suceso y el número total de simulaciones
N. Claramente, cuanto mayor es el tamaño de la muestra más aproximada será la
aproximación.

Simulando la extracción de bolas con reemplazamiento de la Urna y mediante un dado .

Que es más fácil lanzar el dado que extraer la bola de una urna, devolverla y mezclar
las bolas antes de la extracción siguiente. En otras palabras, si no es fácil obtener
muestras de la distribución de la población se debe elegir otra distribución que resulte
más sencilla para la simulación. se puede utilizar un dado para simular la extracción
de bolas de urnas con diferentes números de bolas? La respuesta, afortunadamente,
es positiva. Por ejemplo, supóngase que la urna contiene solo cinco bolas numeradas
{1,..., 5} (Urna 2). Sea X el número de bolas con el número i sacadas al azar con
reemplazamiento de la Urna 2.

Entonces X es una variable aleatoria cuya función de probabilidad, p(x), se muestra

en la Figura 9.2 (Urna 2). En este caso, la distribución simulada (el dado) no es la
misma que la distribución de la población (Urna 2), es decir, p(x) = h(x) (las columnas
etiquetadas s(x) se explicaran en breve). A pesar del hecho de que la Urna 2 y el
dado no tienen la misma distribución, se puede todavía utilizar el dado para simular la
extracción de bolas de la Urna 2, pero se tiene que corregir por el hecho de que las
distribuciones de la población y la simulada no coinciden.

138
 UNIVERSIDAD PRIVADA TELESUP

Una forma de tener en cuenta esta diferencia es la siguiente: cuando en el dado sale
un 6, se ignora la tirada y se repite de nuevo hasta que salga un valor menor que 6,
en cuyo caso se hace y igual al número que salga y se toma y como valor generado
de la población p(x). Este ejemplo es en realidad un caso especial del método
conocido como método de aceptación- rechazo.

El método de aceptación - rechazo. Sea X una variable aleatoria con función de

probabilidad p(x). Supóngase que p(x) puede ser expresada como
p(x) = c g(x) h(x), (9.2)
donde c ≥ 1, 0 ≤ g(x) ≤ 1 y h(x) es una función de probabilidad. Sea U una variable
aleatoria uniforme U (0, 1) y sea Y una variable aleatoria con función de probabilidad
h(y) independiente de U. Entonces, la función de probabilidad condicional de Y dado
que u ≤ g(y) coincide con la función de probabilidad de X. Por otra parte, la
probabilidad de aceptar la muestra (eficiencia) es 1/c.

Una ilustración de un esquema general de simulación.

Por ejemplo, en el caso de la Urna 2 que se muestra en la Figura 9.2, se puede

escribir p(x) = cg(x)h(x), donde p(x) y h(x) se muestran en la Figura 9.2, c = 6/5 y 0, si
x = 6, g(x) =
Por ello, utilizando el teorema anterior, se puede obtener una muestra de p(x) (Urna
2) usando h(x) (el dado) y comprobando la condición u ≤ g(x) para todo valor x que se
simule de h(x), donde u es un número obtenido de la distribución uniforme U (0, 1).
Por tanto, en este caso, el suceso x = 6 siempre se rechaza, ya que g(6) = 0, y los
restantes sucesos se aceptan siempre.

139
 UNIVERSIDAD PRIVADA TELESUP

Propagación TEMA 3
Simbólica de
Evidencia
Competencia:
Reconocer la importancia de la propagación
simbólica de evidencia respecto al desarrollo
de redes.

140
 UNIVERSIDAD PRIVADA TELESUP

Tema 03: Propagación Simbólica de

Evidencia

NOTACIÓN Y CONCEPTOS PRELIMINARES

Se ha visto que la función de probabilidad conjunta asociada a las redes
probabilísticas de Markov descomponibles y Bayesianas puede darse mediante una
factorización como producto de probabilidades condicionales

En el caso de redes Bayesianas, los conjuntos condicionantes son los padres del
nodo, Πi , i = 1,..., n. En el caso de redes de Markov descomponibles, estos conjuntos
se obtienen aplicando la regla de la cadena a la factorización obtenida a partir de la
cadena de conglomerados. Por tanto, aunque algunos de los métodos introducidos
en este capítulo pueden ser facialmente extendidos para tratar una representación
potencial de la de probabilidad conjunta, por simplicidad, pero sin pérdida de
generalidad, se utiliza el conjunto de probabilidades condicionales en como
representación paramétrica básica de la función de probabilidad conjunta.

Sea X = {X1 ,..., Xn } un conjunto de n variables

discretas, cada una de las cuales puede tomar valores
en el conjunto {0, 1,..., ri }, y sea B = (D, P ) una red
Bayesiana definida sobre X , donde el grafo dirigido
acíıclico D determina la estructura del conjunto de
probabilidades condicionales, y P = {p(x1 |π1 ),..., p(xn |πn )} es el conjunto de
probabilidades condicionales que se necesitan para especificar la función de
probabilidad conjunta. Algunas de las probabilidades condicionales en (10.1) pueden
darse en forma numérica y otras en forma simbólica, es decir, p(xi |πi ) pueden ser
familias paramétricas o probabilidades totalmente especificadas numéricamente.

141
 UNIVERSIDAD PRIVADA TELESUP

Nodo Simbólico. Cuando p(xi |πi ) es una familia paramétrica simbólica (es decir,
depende de al menos un parámetro en forma simbólica), el nodo Xi se denomina un
nodo simbólico, y se utiliza Θi para denotar sus correspondientes parámetros
simbólicos. Cuando p(xi |πi ) es una familia paramétrica, es decir, cuando Xi es un
nodo simbólico, una elección conveniente de los parámetros es la siguiente

Donde π es cualquier posible realización de los padres, Πi , de Xi . Por ello, el primer

subíndice de θijπ se refiere al número del nodo, el segundo subíndice se riere al
estado del nodo, y los restantes subíndices se rieren a las realizaciones de sus
padres. Puesto que

No todos los parámetros son libres, es decir, uno cualquiera de ellos puede ser
escrito como la unidad menos la suma del resto. Por ejemplo, el primer parámetro
puede escribirse como

Para implicar la notación en los casos en los que la variable Xi no tiene padres, se
utiliza θij para denotar pi (Xi = j), j ∈ {0,..., ri }. Se ilustra esta notación usando el
ejemplo siguiente.

Ejemplo de Nodos simbólicos. Considérese una red Bayesiana discreta consistente

en las variables X = {X1 ,..., X8 }, La estructura del grafo implica que la probabilidad
conjunta del conjunto de nodos puede escribirse en la forma
p(x) = p(x1 )p(x2 |x1 )p(x3 |x1 )p(x4 |x2 , x3 )p(x5 |x3 )p(x6 |x4 )p(x7 |x4 )p(x8 |x5 ).
Por simplicidad, y sin pérdida de generalidad, supóngase que todos los nodos
representan variables binarias con valores en el conjunto { 0, 1}. Esto y la estructura
de la distribución de probabilidad implica que la función de probabilidad conjunta de
las ocho variables depende de 34 parámetros Θ = {θijπ }.

142
 UNIVERSIDAD PRIVADA TELESUP

Nótese, sin embargo, que solamente 17 de ellos son libres (puesto que las
probabilidades en cada una de las probabilidades condicionales deben sumar la
unidad). Estos 17 parámetros se dan en la Tabla.

Un grafo dirigido acıclico.

TABLA de El conjunto de parámetros libres asociados a las distribuciones

condicionales.

143
 UNIVERSIDAD PRIVADA TELESUP

En este ejemplo, solo los nodos X3 y X6 son nodos simbólicos puesto que sus
correspondientes funciones de probabilidad condicionada contienen al menos un
parámetro simbólico. Se tienen los conjuntos de parámetros Θ3 = {θ300 , θ310 } y Θ6
= {θ600 , θ610 }. Nótese que estos conjuntos incluyen todos los parámetros
simbólicos, no sólo los parámetros libres. Por ello, el conjunto de parámetros
simbólicos asociados a la red Bayesiana es Θ = {Θ3, Θ6}.

GENERACIÓN AUTOMÁTICA DE CÓDIGO SIMBÓLICO

El tratamiento con parámetros simbólicos es
idéntico al tratamiento con valores numéricos,
con la única diferencia de que las operaciones
requeridas deben realizarse con un programa
capaz de manipular símbolos en vez de
números. Los cálculos simbólicos, sin
embargo, son mucho más lentos que los
numéricos y requieren más memoria.

Sin embargo, este método de resolver el problema es muy costoso

computacionalmente, y resulta ineficiente incluso con números reducidos de variables
Una alternativa a este método consiste en adaptar algunos de los algoritmos de
propagación numérica muestran que la adaptación simbólica de estos métodos
requiere solo pequeñas modificaciones. Por ejemplo, el algoritmo de propagación
por agrupamiento puede adaptarse fácilmente a la propagación simbólica utilizando
una herramienta informática simbólica, tal como Matemática.

144
 UNIVERSIDAD PRIVADA TELESUP

Aprendizaje TEMA 4
en Redes
Bayesianas
Competencia:
Aplicar las diversas teorías de aprendizaje
sobre las redes bayesianas en diversos
sistemas expertos.

145
 UNIVERSIDAD PRIVADA TELESUP

Tema 04: Aprendizaje en Redes Bayesianas

MIDIENDO LA CALIDAD DE UNA RED BAYESIANA

Una medida de calidad, Q(B|S, ξ), es un criterio mediante el cual se puede ordenar el
conjunto de todas las redes Bayesianas posibles por su calidad, donde B es una red
Bayesiana, ξ la información “a priori”, y S un conjunto de datos. Por ello, dada la
información “a priori” ξ y/o un conjunto de datos S, nuestro objetivo consiste en
obtener una red Bayesiana de alta calidad. Una medida de calidad debe satisfacer
algunas propiedades deseables. Por ejemplo, debe asignarse la misma calidad a las
redes que conduzcan a la misma estructura de independencia.
A continuación se define esta importante propiedad.

Equivalencia en Peso:
Dado un conjunto de datos S, una medida de calidad Q(B|S, ξ) se dice que es
equivalente en peso si asigna el mismo valor a todo par de redes Bayesianas
equivalentes B1 y B2 , es decir, si Q(B1 |S, ξ) = Q(B2 |S, ξ).
Otras propiedades de las medidas de calidad son:
• A las redes recomendadas por los expertos se les debe asignar calidades más
altas que a las rechazadas por ellos.
• Las representaciones perfectas deben recibir calidades mayores que las
imperfectas.
• Las I -representaciones mínimas deben recibir calidades mayores que las no
mínimas.

• Las redes con reducido número de parámetros a igualdad del

resto de propiedades deben recibir calidades mayores que las
de elevado número de parámetros.
• A las redes que confirmen la información contenida en los
datos debe asignársele una calidad mayor que a aquellas que
contradigan a estos.
Para ampliar conocimientos sobre estas y otras propiedades se remite al lector a
consultar el trabajo de Bouckaert (1995).

146
 UNIVERSIDAD PRIVADA TELESUP

Las medidas de calidad dependen de la incertidumbre de la información disponible.

Dos posibles situaciones son:
1. Una situación en la que las estructuras probabilísticas y gráficas están ambas
sometidas a incertidumbre. En este caso, se dispone de la información “a priori” ξ
y el conjunto de datos S, y el objetivo consiste en encontrar la mejor red
Bayesiana B(θ) = (D, P (θ)) usando algún criterio de calidad. Nótese que ξ
contiene información “a priori” referente a ambas estructuras, la gráfica y la
paramétrica. Dados ξ y S, la calidad de una red Bayesiana B(θ) depende de la
calidad de sus subcomponentes, D y P (θ). Se usa:
Q (B(θ)|S, ξ) o Q(D, P (θ)|S, ξ).

Para denotar la medida de calidad de la red Bayesiana

en su totalidad y para indicar que la medida depende de
S y ξ. Sin embargo, en algunos casos se puede estar
interesado sólo en el aprendizaje estructural. En tales
casos, se puede obtener una medida de la calidad de la
estructura gráfica maximizando la calidad de sus redes
Bayesianas Q(B(θ)|S, ξ) con respecto a θ, es decir,
Q(D|S, ξ) = Q(D, P (θˆ)|S, ξ), Donde θˆ es el valor de θ que maximiza Q(D, P
(θ)|S, ξ). Alternativamente, se puede usar cualquier otra estimación de θ, tal
como la estimación de máxima verosimilitud, una estimación Bayesiana, etc.

2. Una situación en la que la estructura gráfica D

es conocida y sólo la estructura probabilística
está sometida a incertidumbre. En este caso,
se está interesado sólo en el aprendizaje
paramétrico, y el objetivo consiste en encontrar
la mejor estructura probabilística P (θ), utilizando algún criterio de calidad. Dados
S, D y ξ, la calidad de P (θ) depende de la calidad de los parámetros estimados.
Se usa Q(P (θ)|D, S, ξ) para denotar la medida de calidad de la estructura
probabilística de la red Bayesiana y para enfatizar que esta´ condicionada a D,
S, y ξ. Nótese que ξ sólo contiene información “a priori” sobre la estructura
paramétrica ya que se conoce con certeza la estructura trafico.

147
 UNIVERSIDAD PRIVADA TELESUP

Algunas medidas de calidad se definen como la suma de tres términos o

componentes: Q = f (información “a priori”) + g(datos disponibles) +
h(complejidad), donde f (.), g(.) y h(.) Son funciones conocidas. El significado de
estos términos se explica a continuación:

1. La información “a priori”: La función f (información “a priori”) a- signa una

probabilidad alta a las redes que han sido indicadas como altamente probables
por la información “a priori” y una probabilidad baja a las que han sido indicadas
como poco probables. Cuanto mayor sea la contribución de este término a la
medida de calidad, mayor será el peso del conocimiento “a priori” frente al
aportado por los datos. Este término contribuye decisivamente a la calidad de la
red en estudio cuando no existen datos disponibles o son muy reducidos, pero
es despreciable cuando los datos disponibles son abundantes.

Una elección típica para este término es log p(B),

donde p(B) = p(D, θ) es la probabilidad “a priori”
asignada a la red B, donde θ se usa en vez de P
para mostrar la dependencia explicita de P del
parámetro θ. Si no hay conocimiento “a priori”
disponible, este término se sustituye por cero, lo que es equivalente a suponer
que p(B) es una distribución uniforme.

2. Los datos disponibles: La función g(datos disponibles) es un término de

bondad de ajuste que mide lo bien o mal que una red Bayesiana reproduce los
datos S. Da una alta calidad a las redes que están de acuerdo con los datos y
una baja calidad a las que los contradicen. La contribución de este término
aumenta cuando se añaden aristas a la red. En tal caso se tienen más
parámetros o grados de libertad y, normalmente, se puede obtener un mejor
ajuste a los datos.
Algunas elecciones típicas para este término son las siguientes:
(a) El logaritmo de la verosimilitud de los datos: log p (S|D, θ).
(b) El logaritmo de la probabilidad “a posteriori” de θ dada la estructura D y los
datos S: log p(θ | S, D).

148
 UNIVERSIDAD PRIVADA TELESUP

3. La complejidad: La función h (complejidad) penaliza las redes con estructura

compleja (por ejemplo, redes con un gran número de aristas y/o un número
alto de parámetros). Por ello, la función h() conduce a una calidad alta para
las redes simples con un número reducido de aristas y parámetros, y a una
baja calidad para las redes con muchas aristas y/o parámetros.
Para medir la complejidad de una red Bayesiana es importante conocer su
dimensión. Dimensión de una red Bayesiana. Sea X un conjunto de variables
y B = (D, P) una red Bayesiana definida sobre X. La dimensión de esta red
Bayesiana, Dim(B), se define como el número de parámetros necesarios para
especifican su función de probabilidad conjunta asociada.

Chickering (1995a) muestra que las redes Bayesianas

independientemente equivalentes tienen la misma
dimensión.
En la literatura existente se han propuesto varias medidas
de calidad para redes Bayesianas. Estas se han clasificado
en los tipos siguientes:
• Medidas de calidad Bayesianas.
• Medidas de mínima longitud de descripción.
• Medidas de información.

Estos tipos de medidas de calidad se discuten en las secciones siguientes.

Medidas de Calidad Bayesianas. En la teoría estadística Bayesiana, se supone
inicialmente que la distribución “a priori” p(B) = p(D, θ) la dan los expertos. Esta
distribución refleja la opinión de los expertos sobre la frecuencia relativa de
ocurrencia de diferentes redes Bayesianas B = (D, P (θ)). Para mejorar el
conocimiento, se obtienen unos datos S y, mediante el teorema de Bayes, la
distribución “a posteriori” p(B, θ|S) como sigue:

149
 UNIVERSIDAD PRIVADA TELESUP
Lecturas Recomendadas
 CURSO BÁSICO DE SISTEMAS EXPERTOS
http://luisguillermo.com/cbse.pdf

 SISTEMAS EXPERTOS Y MODELOS DE REDES PROBABILÍSTICAS

http://fismat.umich.mx/~htejeda/gutierjm/BookCGH.pdf

 CONSTRUCCIÓN DE MODELOS PROBABILÍSTICOS

http://www.cs.us.es/cursos/iic-2010/Archivos/IIC%20-%20Teoria10_v03.pdf

Actividades y Ejercicios

1. En un documento en Word presente dos ejemplos sobre los métodos (M.)

de propagación (P.) aproximada (A.) en sistemas (S.) expertos (E.).
Envíalo a través de "M. P. A. S. E.".

2. En un documento en Word elabore un informe académico sobre la

propagación simbólica de evidencia.
Envíalo a través de "Propagación Simbólica".

150
 UNIVERSIDAD PRIVADA TELESUP
Autoevaluación
1) Un subconjunto de variables cuyos valores son conocidos, en una situación
dada, se conoce como:
a. Conjunto de variables.
b. Evidencia almacenada.
c. Conjunto de evidencia.
d. Evidencia inteligente.
e. Evidencias asociadas.

2) El método de propagación en poli árboles es válido solamente para redes de

estructura:
a. Variable.
b. Compuesta.
c. Asociada.
d. Simple.
e. Múltiple.

3) Dos de los métodos de propagación más importantes para este tipo de redes
múltiplemente conexas son los denominados métodos de:
a. Condicionamiento y agrupamiento.
b. Consistencia y contingencia.
c. Agrupamiento y consistencia.
d. Condicionamiento y contingencia.
e. Agrupamiento y consolidación.

4) No todos los parámetros son libres, es decir, uno cualquiera de ellos puede
ser escrito como:
a. La unidad más la suma del resto.
b. La unidad por la suma del resto.
c. La unidad entre la suma del resto.
d. El total menos la suma del resto.
e. La unidad menos la suma del resto.

5) El tratamiento con parámetros simbólicos es idéntico al tratamiento con

valores numéricos, con la única diferencia de que las operaciones requeridas
deben realizarse con un programa capaz de manipular símbolos en vez de
números.
a. Generación automática de código configurado.
b. Generación automática de código simbólico.
c. Generación automática de código numérico.
d. Generación automática de código automático.
e. Generación automática de código modificado.

151
 UNIVERSIDAD PRIVADA TELESUP

6) Una medida de calidad, Q(B|S, ξ), es un criterio mediante el cual se puede

____________________________, donde B es una red Bayesiana, ξ la
información “a priori”, y S un conjunto de datos.
a. Modificar el conjunto de todas las redes Bayesianas posibles por su calidad.
b. Evaluar el conjunto de todas las redes Bayesianas posibles por su calidad.
c. Codificar el conjunto de todas las redes Bayesianas posibles por su calidad.
d. Ordenar el conjunto de todas las redes Bayesianas posibles por su calidad.
e. Transformar el conjunto de todas las redes Bayesianas posibles por su calidad.

7) Dado un conjunto de datos S, una medida de calidad Q(B|S, ξ) se dice que es

equivalente en peso si asigna el mismo valor a todo par de redes Bayesianas
equivalentes B1 y B2 , es decir, si Q(B1 |S, ξ) = Q(B2 |S, ξ).
a. Equivalencia en producto.
b. Equivalencia en peso.
c. Equivalencia en masa.
d. Equivalencia en códigos.
e. Equivalencia en recursos.

8) Una medida de calidad debe_______________. Por ejemplo, debe asignarse

_____________que conduzcan a la misma estructura de independencia.
a. Promover algunas propiedades deseables - la misma calidad a las redes.
b. Satisfacer algunas propiedades deseables - la misma calidad a las redes.
c. Evaluar algunas propiedades deseables - la misma calidad a las redes.
d. Reconocer algunas propiedades deseables - la misma calidad a las redes.
e. Dirigir algunas propiedades deseables - la misma calidad a las redes.

9) Es importante la propagación de evidencia porque:

a. Permite obtener conclusiones cuando se dispone de nueva información.
b. Permite obtener direcciones cuando se dispone de nueva información.
c. Permite obtener evaluaciones cuando se dispone de nueva información.
d. Permite obtener deducciones cuando se dispone de nueva información.
e. Permite obtener comprobaciones cuando se dispone de nueva información.

10) Cuando no existe evidencia el proceso de propagación consiste en:

a. Permitir transacciones bancarias.
b. Calcular las probabilidades marginales.
c. Continuar con problemas de probabilidad.
d. Medir las probabilidades.
e. Permitir problemas de errores.

152
 UNIVERSIDAD PRIVADA TELESUP
Resumen
UNIDAD DE APRENDIZAJE IV:

La propagación de evidencia es una de las tareas más importantes de un sistema

experto, pues permite obtener conclusiones cuando se dispone de nueva información.
Cuando no se dispone de ninguna información, es decir, cuando no existe evidencia, el
proceso de propagación consiste en calcular las probabilidades marginales

Estas probabilidades proporcionan información “a priori” sobre los distintos valores que
pueden tomar las variables, Cuando se dispone de cierta evidencia, es decir, cuando se
conoce un conjunto de variables que tienen asociadas los valores el proceso de
propagación debe tener en cuenta estos valores para calcular las nuevas probabilidades
de los nodos.

El poliárbol es uno de los modelos gráficos más simples para construir redes
Bayesianas. En esta sección se presenta un algoritmo de propagación para este tipo de
modelos probabilísticos la característica principal de este algoritmo es que su
complejidad es lineal en el tamaño de la red (es decir en el número de nodos y aristas
que la componen), a diferencia del método de fuerza bruta que requiere un numero
exponencial de operaciones para realizar la propagación.

El método de propagación en poliárboles descrito en la sección anterior es válido

solamente para redes de estructura simple (poli árboles), en las cuales existe un único
camino entre cada par de nodos. Dos de los métodos de propagación más importantes
para este tipo de redes son los denominados métodos de condicionamiento y método
de agrupamiento.

153
 UNIVERSIDAD PRIVADA TELESUP
Glosario
 ARQUITECTURA: Consiste en la estructura organizacional de un sistema.
 ATRIBUTO: Es una parte específica de una clase. Una propiedad de un tipo
identificada mediante un nombre.
 ESTADO: Es una condición o situación en la vida de un objeto, durante la cual
satisface una condición, realiza una actividad o está esperando un evento.
 ESTADO ACTIVO: Es un estado con una acción interna y una o más transiciones
asociadas a la finalización de la acción interna.
 ESTADO COMPUESTO: Es un estado compuesto por subestados.
 EVENTO: En el contexto de un diagrama de estado, un evento es un
acontecimiento que puede disparar una transición de estados.
 EVENTO TEMPORAL: Es un evento que ocurre en un tiempo particular. Puede ser
especificado por medio de una expresión temporal.
 MÁQUINA DE ESTADOS FINITOS (MEF): Es un modelo que describe los aspectos
de control en los sistemas de información.
 META-METAMODELO: Es un modelo que define el lenguaje para expresar el
metamodelo. La relación entre meta-metamodelo y metamodelo es análoga a la
relación entre metamodelo y modelo.
 METAMODELO: Es un modelo que define el lenguaje para poder expresar un
modelo.
 MODELO: Es una abstracción semánticamente consistente de un sistema.
 MSC: Es un lenguaje gráfico orientado a objetos que se usa para describir
escenarios, es decir, ejecuciones concretas del sistema.

 REDES DE PETRI: Es un formalismo gráfico que permite especificar sistemas

asincrónicos.
 SUBESTADO: Es un estado que es parte de un estado compuesto. Un subestado
puede ser concurrente o disjunto.

 SDL: Permite expresar mediante máquinas de estados el funcionamiento de las

clases del sistema.
 SUBESTADO CONCURRENTE: Es un subestado que puede tener cabida
simultáneamente a otros subestados concurrentes en el mismo estado
compuesto.

 TIEMPO: Es un valor que representa un momento en el tiempo, absoluto o relativo.

 UML "UNIFIED MODELING LANGUAGE": Es un lenguaje que permite especificar,
construir, visualizar y documentar los elementos que componen un sistema de
software intensivo.

154
 UNIVERSIDAD PRIVADA TELESUP
Fuentes de Información
BIBLIOGRÁFICAS:

BENCHIMOL, G, “Los Sistemas Expertos en la Empresa”. Ed. Ra-Ma. 2011

CUENA, J. “Inteligencia Artificial: Sistemas Expertos”. Alianza Informática. 2010

GIARRATANO H. "Sistemas Expertos. Principios y programación” 2008

HARMON, P. “Sistemas Expertos”. Díaz de Santos, S.A. 2007

LEONDES, C. T. "Expert Systems. 6 Vo. Set." 2009.

NILSON, R. “Ingeniería del conocimiento”. McGraw-Hill. 2006

RICH, E., Knight, K. "Inteligencia Artificial" McGraw-Hill. 2010

ELECTRÓNICAS:

 Construcción de Modelos Probabilísticos

http://www.cs.us.es/cursos/iic-2010/Archivos/IIC%20-%20Teoria10_v03.pdf

 Definición, motivación y origen de los sistemas expertos

http://luisguillermo.com/cbse.pdf

 Sistemas Expertos y Modelos de Redes Probabilísticas

http://fismat.umich.mx/~htejeda/gutierjm/BookCGH.pdf

 Sistemas expertos basados en probabilidad

http://www.cs.us.es/blogs/iic2012/files/2012/02/IIC-Teoria7.pdf

155
 UNIVERSIDAD PRIVADA TELESUP
Solucionario

UNIDAD DE UNIDAD DE
APRENDIZAJE 1 APRENDIZAJE 2:

1. D 1. E

2. A 2. A

3. E 3. A

4. E 4. C

5. B 5. D

6. D 6. A

7. A 7. B

8. A 8. B

9. C 9. E

10. B 10. C

UNIDAD DE UNIDAD DE
APRENDIZAJE 3: APRENDIZAJE 4:
1. A 1. C
2. E 2. C
3. A 3. D
4. C 4. A
5. C 5. E
6. B 6. B
7. D 7. D
8. E 8. B
9. A 9. B
10. B 10. A

156