t ecnicas inteligentes en bioinform atica …grafos 5/70 grafos 6/70 grafos 7/70 grafos 8/70 grafos...
TRANSCRIPT
TECNICAS INTELIGENTES EN BIOINFORMATICA
Modelos graficos probabilısticosRedes Bayesianas
Grupo de investigacion en Computacion NaturalDpto. Ciencias de la Computacion e Inteligencia Artificial
Universidad de Sevilla
Master Universitario en Logica, Computacion e Inteligencia Artificial
Indice
Conceptos preliminaresRepaso de Teorıa de grafosRepaso de Probabilidad
Redes bayesianas
2 / 70
Indice
Conceptos preliminaresRepaso de Teorıa de grafosRepaso de Probabilidad
Redes bayesianas
3 / 70
Grafos
4 / 70
Grafos
5 / 70
Grafos
6 / 70
Grafos
7 / 70
Grafos
8 / 70
Grafos
9 / 70
Grafos
10 / 70
Grafos
11 / 70
Grafos
12 / 70
Indice
Conceptos preliminaresRepaso de Teorıa de grafosRepaso de Probabilidad
Redes bayesianas
13 / 70
Eventos
14 / 70
Variables aleatorias discretas: ejemplo
15 / 70
Espacio de eventos: ejemplo
16 / 70
Eventos: ejemplo
17 / 70
Probabilidades
18 / 70
Propiedades de la funcion de probabilidad
19 / 70
Funcion de probabilidad: ejemplo
20 / 70
Probabilidades condicionadas
21 / 70
Probabilidades condicionadas: ejemplo
Dado este conjunto de ejemplos:
I P(Si) =9
14, P(Circulo) =
4
14
I P(Si ,Circulo) =4
14
I P(Si |Circulo) = P(Si ,Circulo)
P(Circulo)=
4/14
4/14= 1
22 / 70
Regla de Bayes
23 / 70
Regla de Bayes: ejemplo
24 / 70
Distribuciones de probabilidad
25 / 70
Distribuciones de probabilidad: ejemplo
26 / 70
Marginalizacion sobre una variable
27 / 70
Marginalizacion: ejemplo
28 / 70
Independencia
29 / 70
Independencia: ejemplo
30 / 70
Independencia condicional: ejemplo
31 / 70
Independencia condicional: ejemplo
32 / 70
Regla de la cadena
33 / 70
Regla de la cadena: ejemplo
34 / 70
Indice
Conceptos preliminares
Redes bayesianas
35 / 70
Sistemas expertos
36 / 70
Representacion del conocimiento
37 / 70
Conocimiento incierto
38 / 70
Componentes de una red bayesiana
39 / 70
Modelo de la alarma
40 / 70
Modelo de la alarma: DAG
41 / 70
Modelo de la alarmaDistribuciones de Probabilidad Condicionada (PCs) I
42 / 70
Modelo de la alarmaDistribuciones de Probabilidad Condicionada (PCs) II
43 / 70
Evidencias
44 / 70
Flujo de informacion
45 / 70
Conexiones en serie
46 / 70
Conexiones en serie
47 / 70
Conexiones divergentes
48 / 70
Conexiones divergentes
49 / 70
Conexiones convergentes
50 / 70
Conexiones convergentes
51 / 70
Conexiones convergentes
52 / 70
Razonamientos en redes bayesianas
53 / 70
Razonamientos en redes bayesianas
54 / 70
Razonamientos en redes bayesianas
55 / 70
d-separacion
56 / 70
d-separacion: ejemplos
57 / 70
d-separacion: ejemplos
57 / 70
d-separacion: ejemplos
57 / 70
d-separacion: ejemplos
57 / 70
d-separacion: ejemplos
57 / 70
d-separacion: ejemplos
57 / 70
d-separacion: ejemplos
57 / 70
d-separacion: ejemplos
57 / 70
d-separacion: ejemplos
57 / 70
d-separacion: ejemplos
57 / 70
d-separacion: ejemplos
57 / 70
d-separacion: ejemplos
57 / 70
d-separacion: ejemplos
57 / 70
Criterios para d-separacion
58 / 70
Criterios para d-separacion: ejemplo
59 / 70
Criterios para d-separacion: ejemplo
60 / 70
Mapas de dependencia e independencia
61 / 70
Limitacion expresiva de los DAGs
62 / 70
Redes bayesianas
63 / 70
Descomposicion de la distribuion conjunta
64 / 70
Construccion de redes bayesianas
65 / 70
Construccion de redes bayesianasOrden de las variables
66 / 70
Construccion de redes bayesianasOrden de las variables
67 / 70
Trabajando graficamente con redes bayesianas
Tenemos software disponible para redes bayesianas. Por ejemplo, elprograma Elvira (OpenSource):
I Instalacion y descarga de Elvira
68 / 70
Ejercicio de redes bayesianas
69 / 70
Ejercicio de redes bayesianas
70 / 70