Incertidumbre. Dr. Jesús Antonio González Bernal
|
|
- Lucas Lozano Vera
- hace 7 años
- Vistas:
Transcripción
1 Incertidumbre Universidad Politécnica de Puebla Dr. Jesús Antonio González Bernal
2 Introducción In which we see what an agent should do when not all is crystal clear. R&N, pg 462 2
3 Introducción Sea la acción A t = salir al aeropuerto t minutos antes del vuelo t Me llevará el agente A t al aeropuerto a tiempo? Posibles problemas Ambiente parcialmente observable (estado del camino, planes de otros choferes, etc.) Sensores ruidosos (reportes del tráfico) Incertidumbre en la salida de las acciones (ponchadura, etc.) Muy complejo modelar y predecir el tráfico Un método puramente lógico podría Riesgo a falsedad d A 25 me llevara ahí a tiempo, ó Llevar a conclusiones muy débiles para la toma de decisiones A 25 me llevará ahí a tiempo si no hay un accidente en el puente y no llueve y no sufro ponchaduras, etc (A 1440 podría razonablemente llevarme a tiempo pero tendría que pasar la noche en el aeropuerto ) 3
4 Métodos para Manejar Incertidumbre Default o lógica no monotónica (asumir ) Asumir que mi carro no tiene una llanta ponchada Asumir que A 25 trabaja a menos que haya evidencia contradictoria Problemas: Es razonable lo que asumimos?, Cómo manejamos las contradicciones? Reglas con problemas por resolver A AtAirportOnTime Sprinkler 0.99 WetGrass WetGrass 0.7 Rain Problemas con la combinación: Sprinkler causa Lluvia? Probabilidad Dada la evidencia, A 25 me llevará a tiempo con probabilidad
5 Probabilidad Las afirmaciones probabilísticas resumen los efectos de Pereza: fallar en enumerar todas las excepciones, cuantificadores, etc. Ignorancia: falta de hechos relevantes, condiciones iniciales, etc. Probabilidad Subjetiva o Bayesiana: Probabilidades relacionan proposiciones a nuestro propio estado de conocimiento P(A 25 no se reportan accidentes) = 0.06 No son afirmaciones con tendencia probabilística en la situación actual Se pueden aprender a partir de la experiencia de situaciones similares Probabilidades de proposiciones cambian con nueva evidencia P(A 25 no reporte accidentes, 5:00am) = 0.15 Análogo a estatus de entailment lógico KB, de no es verdad 5
6 Tomando Decisiones bajo Incertidumbre Suponga que creemos lo siguiente: P(A 25 me lleva a tiempo ) 0.04 P(A( 90 me lleva a tiempo ) 0.70 P(A 120 me lleva a tiempo ) 0.95 P(A 1440 me lleva a tiempo ) Qué acción elegir? Depende de mis preferencias entre perder el vuelo vs comer en el aeropuerto, etc. Teoría de Utilidad Se utiliza para representar e inferir preferencias Teoría de Decisiones = Teoría de Utilidad + Teoría de Probabilidad 6
7 Introducción a la Probabilidad Iniciamos con un conjunto, el espacio de muestra i.e., 6 posibles tiradas de un dado es un punto de muestra / posible mundo / evento atómico Un espacio de probabilidad o modelo de probabilidad es un espacio de muestra con una asignación P( ) para cada tal que: Un evento A es un subconjunto de 7
8 Variables Aleatorias Una variable aleatoria (va) (v.a.) es una función de un conjunto de puntos a un rango, i.e., los reales o booleanos ie i.e., P(heads) = 0.5, 05 Odd(1) = true P induce una distribución de probabilidad para cada v.a. X: 8
9 Proposiciones Pensar en una proposición p como un evento (conjunto de puntos muestra) donde la proposición es true Dadas las variables aleatorias booleanas A y B: Evento a = conjunto de puntos muestra donde A(w) = true Evento a = conjunto de puntos de muestra A(w) = false Evento a b = puntos donde A(w) = true y B(w) = true En aplicaciones de IA es común que los puntos de muestra estén definidos por los valores de un conjunto de variables aleatorias, i.e. el espacio de muestra es el producto cartesiano de los rangos de las variables Con variables booleanas, punto de muestra = modelo de lógica proposicional Proposición = disyunción de eventos atómicos en el cual es verdad 9
10 Porqué usar Probabilidades? Las definiciones implican que ciertos eventos relacionados lógicamente deben relacionar probabilidades 10
11 Sintaxis para Proposiciones Variables aleatorias Proposicionales o Booleanas i.e. Caries( tengo una caries?) Caries = true es una proposición, también se escribe como Caries Variables aleatorias discretas (finitas ó infinitas) i.e., Clima es uno de (soleado, lluvioso, nublado, nevado) Clima = lluvioso es una proposición Los valores deben ser exhaustivos y mutuamente excluyentes Variables aleatorias continuas (acotadas o no acotadas) i.e.temp < 21.6 ó 20.0 < Temp <
12 Probabilidad a-priori Probabilidades a-priori o incondicionales de proposiciones p i.e. P(Cavidad = true) = 0.1 y P(Clima = soleado) = 0.72 Corresponden a una creencia a-priori para la llegada de nueva evidencia Distribución de probabilidad da valores a las posibles asignaciones: P(Clima) = {0.72, 0.1, 0.08, 0.1) (normalizados, i.e., suman 1) Distribución de probabilidad conjunta para un conjunto de v.a. da la probabilidad de cada evento atómico sobre esas v.a. (i.e. en cada punto de muestra) P(Clima, Caries) = una matriz de 4 x 2 valores Cd Cada pregunta sobre un dominio ii se puede responder con la ditib distribución ió de probabilidad bbilidd porque cada evento es una suma de sus puntos de muestra 12
13 Probabilidad Condicional Probabilidades condicionales o posteriores i.e., P(caries dolor-dientes) = 0.8 i.e., dado que dolor-dientes es todo lo que se NO Si dolor-dientes dientes entonces 80% posibilidad de caries Notación para distribuciones condicionales: P(caries dolor-dientes) = vector de 2 elementos de vectores de 2 elementos Si sabemos más, i.e., caries también esta dado, d entonces P(caries dolor-dientes, caries) = 1 Nota: la creencia menos específica sigue siendo válida después de que llega más evidencia, i pero no siempre es útil La nueva evidencia puede ser irrelevante, permitiendo simplificar P(caries dolor-dientes, CA-gana) = P(caries dolor-dientes) = 0.8 Esta clase de inferencia, afectada por conocimiento del dominio, es muy importante 13
14 Probabilidad Condicional Definición de probabilidad condicional Regla del producto permite una alternativa ti Aplica una versión general para distribuciones completas: Se ve como ecuaciones de 4 x 2, no multip. Matrices Regla de la cadena se deriva aplicando sucesivamente regla del producto 14
15 Inferencia por Enumeración Iniciar con la distribución conjunta Para cualquier proposición, la suma de los eventos atómicos en que es verdadera: 15
16 Inferencia por Enumeración Iniciar con la distribución conjunta: Para cada proposición, la suma de los eventos atómicos en que es verdadera: 16
17 Inferencia por Enumeración Iniciar con la distribución conjunta Para cada proposición, la suma de los eventos atómicos en que es verdadera: 17
18 Inferencia por Enumeración Se inicia con la distribución de probabilidad conjunta También se pueden calcular probabilidades condicionales 18
19 Normalización El denominador se puede ver como una constante de normalización para que P(Cavity toothache) sume 1 19
20 Independencia A y B son independientes iff 32 entradas se reducen a 12 Independencia absoluta poderosa pero rara Dominio de dentista muy grande, cientos de variables, ninguna de ellas es independiente. qué hacemos? 20
21 Independencia Condicional P(dolor-diente diente, caries, identificar) tiene = 7 entradas indep. Si tengo caries, la prob. de que la prueba lo identifique no depende de si tengo un dolor de dientes La misma independencia se sostiene si no tengo la caries Identificar es condicionalmente independiente de dolordientes dada caries Equivalencias 21
22 Independencia Condicional Se escriben distribuciones conjuntas completas usando la regla de la cadena i.e = 5 números indep. (ecuaciones 1 y 2 quitan 2) En la mayoría de los casos, usar indep. cond. Reduce el tamaño de la representación de la distribución disjunta de exponencial en n a lineal en n. Independencia condicional es nuestra forma más básica y robusta de conocimiento acerca de ambientes con incertidumbre 22
23 Regla de Bayes Regla del producto O en forma de distribución Útil para asignar probabilidad diagnóstica a partir de probabilidad causal I.e. sea M meningitis, S sea torcedura de cuello Nota: probabilidad posterior de meningitis es todavía muy pequeña 23
24 Regla de Bayes e Independencia Condicional Este es un ejemplo de un modelo naive Bayes El número total de parámetros es lineal en n 24
25 25 Mundo del Wumpus
26 Especificando el modelo de probabilidad La distribución conjunta completa es Aplicando regla del producto Se hace así para obtener P(Efecto Causa) Primer término: 1 si pozos son adyacentes a brizas, 0 de otra manera Segundo término: pozos son acomodados aleatoriamente, probabilidad de 0.2 por cuadro para n pozos 26
27 Observaciones y queries Conocemos los siguientes hechos El query es Se define Desconocido = P ij que no son P 1,3 y Conocido Para inferencia por enumeración tenemos Crece exponencialmente con el número de cuadros 27
28 Usando Independencia Condicional Idea básica: las observaciones son condicionalmente independientes de otros cuadros escondidos dados los cuadrados a vecinos escondidosos Manipular el query a una forma donde se pueda usar esto 28
29 29 Usando Independencia Condicional
30 30 Usando Independencia Condicional
ALGEBRA y ALGEBRA LINEAL. Primer Semestre CAPITULO I LOGICA Y CONJUNTOS.
ALGEBRA y ALGEBRA LINEAL 520142 Primer Semestre CAPITULO I LOGICA Y CONJUNTOS. DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas Universidad de Concepción 1 La lógica es
Más detallesProcesos estocásticos Cadenas de Márkov
Procesos estocásticos Cadenas de Márkov Curso: Investigación de Operaciones Ing. Javier Villatoro PROCESOS ESTOCASTICOS Procesos estocásticos Es un proceso o sucesión de eventos que se desarrolla en el
Más detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad las reglas mátemáticas de la probabilidad no son simplemente reglas para calcular frecuencias de variables aleatorias;
Más detallesProbabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro
Probabilidad es una manera de indicar la posibilidad de ocurrencia de un evento futuro La probabilidad nos proporciona un modelo teórico para la generación de los datos experimentales Medidas de la Posibilidad
Más detallesSistemas Expertos basados en probabilidad (2011/2012)
Luis Valencia Cabrera (coordinador) lvalencia@us.es (http://www.cs.us.es/~lvalencia) Manuel García-Quismondo mgarciaquismondo@us.es (http://www.cs.us.es/~mgarcia) Ciencias de la Computacion e IA (http://www.cs.us.es/)
Más detalles1. Los números reales. 2. Representación. 3. Densidad de los números racionales. 4. Propiedades de los números reales
EJES ARTICULADORES Y PRODUCTIVOS DEL AREA SISTEMA DE CONOCIMIENTOS GRADO: 10 11 1. Los números reales 1. Desigualdades. 2. Representación 2. Propiedades. 3. Densidad de los números racionales 4. Propiedades
Más detalles4.12 Ciertos teoremas fundamentales del cálculo de probabilidades
1 de 9 15/10/2006 05:57 a.m. Nodo Raíz: 4. Cálculo de probabilidades y variables Siguiente: 4.14 Tests diagnósticos Previo: 4.10 Probabilidad condicionada e independencia de 4.12 Ciertos teoremas fundamentales
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesTeoría de probabilidades
Modelos Probabilistas Teoría de probabilidades Teoría de probabilidades Definiremos como probabilidad a priori (P(a)) asociada a una proposición como el grado de creencia en ella a falta de otra información
Más detallesPLANES CURRICULARES GRADO9º/ 01 PERIODO
PLANES CURRICULARES GRADO9º/ 01 PERIODO Grado: 9º Periodo: 01 PRIMERO Aprobado por: G. Watson - Jefe Sección Asignatura: MATEMATICAS Profesor: Gloria rueda y Jesús Vargas ESTANDARES P.A.I. I.B. A. Conocimiento
Más detallesEl Algoritmo E-M. José Antonio Camarena Ibarrola
El Algoritmo E-M José Antonio Camarena Ibarrola Introducción Método para encontrar una estimación de máima verosimilitud para un parámetro ѳ de una distribución Ejemplo simple 24 Si tiene las temperaturas
Más detallesESCUELA COMERCIAL CÁMARA DE COMERCIO EXTENSIÓN DE ESTUDIOS PROFESIONALES MAESTRÍA EN ADMINISTRACIÓN
CICLO, ÁREA O MÓDULO: TERCER CUATRIMESTRE OBJETIVO GENERAL DE LA ASIGNATURA: Al termino del curso el alumno efectuara el análisis ordenado y sistemático de la Información, a través del uso de las técnicas
Más detallesMatemáticas Discretas Lógica
Coordinación de Ciencias Computacionales - INAOE Matemáticas Discretas Lógica Cursos Propedéuticos 2010 Ciencias Computacionales INAOE Lógica undamentos de Lógica Cálculo proposicional Cálculo de predicados
Más detallesmatemáticas como herramientas para solución de problemas en ingeniería. PS Probabilidad y Estadística Clave de la materia: Cuatrimestre: 4
PS0401 - Probabilidad y Estadística DES: Ingeniería Programa(s) Educativo(s): Ingeniería de Software Tipo de materia: Obligatoria Clave de la materia: PS0401 Cuatrimestre: 4 UNIVERSIDAD AUTÓNOMA DE Área
Más detallesAsignaturas antecedentes y subsecuentes
PROGRAMA DE ESTUDIOS PROBABILIDAD Área a la que pertenece: Área Sustantiva Profesional Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0056 Asignaturas antecedentes y subsecuentes PRESENTACIÓN
Más detallesAmpliación Matemática Discreta. Justo Peralta López
Justo Peralta López UNIVERSIDAD DE ALMERíA DEPARTAMENTO DE ÁGEBRA Y ANÁLISIS MATEMÁTICO 1 Introducción 2 Definición semántica de las proposiciones 3 Diagrama de valores de certeza 4 Evaluación de fórmulas.
Más detallesAPRENDIZAJE PROBABILÍSTICO NAIVE BAYES
1 APRENDIZAJE PROBABILÍSTICO NAIVE BAYES Bases de Datos Masivas 9 de Noviembre de 2016 2 Razonamiento Probabilístico Es una herramienta de aprendizaje estadístico. Se trata de razonar en un contexto incierto;
Más detallesEJEMPLO DE PREGU,TAS
EJEMPLO DE PREGU,TAS MATEMÁTICAS PRIMERO, SEGU,DO Y TERCERO DE BACHILLERATO 1. Lógica proposicional Esta competencia se refiere al conocimiento que usted posee sobre el lenguaje de las proposiciones y
Más detallesUnidad Temática 3: Probabilidad y Variables Aleatorias
Unidad Temática 3: Probabilidad y Variables Aleatorias 1) Qué entiende por probabilidad? Cómo lo relaciona con los Sistemas de Comunicaciones? Probabilidad - Definiciones Experimento aleatorio: Un experimento
Más detallesTablas de Verdad L Ó G I C A P R O P O S I C I O N A L
Tablas de Verdad L Ó G I C A P R O P O S I C I O N A L Tablas de verdad Toda preposición es verdadera o falsa, pero no puede ser ambas. Sobre esta base las proposiciones atómicas sólo tienen dos valores:
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesLógica proposicional. Ivan Olmos Pineda
Lógica proposicional Ivan Olmos Pineda Introducción Originalmente, la lógica trataba con argumentos en el lenguaje natural es el siguiente argumento válido? Todos los hombres son mortales Sócrates es hombre
Más detalles2 = 1 0,5 + = 0,5 c) 3 + = = 2
Trabajo Práctico N : SISTEMAS DE ECUACIONES LINEALES Ejercicio : Resuelva los siguientes sistemas de ecuaciones lineales empleando cuando sea posible: i) Método matricial. ii) Regla de Cramer. Interprete
Más detallesUNIVERSIDAD DE COSTA RICA XS0111 Estadística Introductoria I Prof. Olman Ramírez Moreira
UNIVERSIDAD DE COSTA RICA XS0111 Estadística Introductoria I Prof. Olman Ramírez Moreira Levin & Rubin. Estadística para Administradores Gómez Barrantes, Miguel. Elementos de estadística descriptiva 1
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Industrial (EST-121) NUMERO DE CREDITOS
Más detallesNotación de probabilidad
Notación de probabilidad Se usarán mayúsculas para indicar variables estocásticas y minúsculas para indicar los valores que pueden tomar. P (A = verdadero) =P (A = a) =P (a) P (A = falso) =P (A = a) =P
Más detallesCÁLCULO DE PROBABILIDADES
CÁLCULO DE PROBABILIDADES Tipo de asignatura: Troncal Anual. Créditos ECTS: 15 I.- INTRODUCCIÓN AL CÁLCULO DE PROBABILIDADES. (16 horas presenciales) Tema 1.- La naturaleza del cálculo de probabilidades.
Más detalleslogica computacional Tema 1: Introducción al Cálculo de Proposiciones
Tema 1: Introducción al Cálculo de Proposiciones Introducción al concepto de cálculo Un cálculo es una estructura pura; un sistema de relaciones. Un cálculo se compone de lo siguiente: Un conjunto de elementos
Más detallesANOTACIONES BÁSICAS SOBRE LÓGICA PROPOSICIONAL FILOSOFÍA 1º BACHILLERATO
Pág. 1 Lógica Proposicional La lógica proposicional es la más antigua y simple de las formas de lógica. Utilizando una representación primitiva del lenguaje, permite representar y manipular aserciones
Más detallesMatemáticas Discretas
Coordinación de Ciencias Computacionales - INAOE Matemáticas Discretas Cursos Propedéuticos 2011 Ciencias Computacionales INAOE Dr. Enrique Muñoz de Cote jemc@inaoep.mx http://ccc.inaoep.mx/~jemc Oficina
Más detallesFundamentos de la Teoría de la Probabilidad. Ing. Eduardo Cruz Romero
Fundamentos de la Teoría de la Probabilidad Ing. Eduardo Cruz Romero www.tics-tlapa.com Teoría elemental de la probabilidad (1/3) El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Probabilidad Conceptos como probabilidad, azar, aleatorio son tan viejos como la misma civilización. Y es que a diario utilizamos el concepto de probabilidad: Quizá llueva mañana
Más detallesRAZONAMIENTO APROXIMADO
RAZONAMIENTO APROXIMADO EN LA INTELIGENCIA ARTIFICIAL Ingeniería del Conocimiento Ingeniería Electrónica REALIDAD El conocimiento que necesitamos para desarrollar un Sistema basado en Conocimiento tiene
Más detallesCoordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 1: Lunes 11 Viernes 16 de Marzo. Contenidos
Coordinación de Matemática I (MAT021) 1 er Semestre de 2013 Semana 1: Lunes 11 Viernes 16 de Marzo Complementos Contenidos Clase 1: Elementos de lógica: Conectivos, tablas de verdad, tautologías y contingencias.
Más detallesProbabilidad Condicional
Probabilidad Condicional Algunas veces la ocurrencia de un evento A puede afectar la ocurrencia posterior de otro evento B; por lo tanto, la probabilidad del evento B se verá afectada por el hecho de que
Más detallesTema 9: Contraste de hipótesis.
Estadística 84 Tema 9: Contraste de hipótesis. 9.1 Introducción. El objetivo de este tema es proporcionar métodos que permiten decidir si una hipótesis estadística debe o no ser rechazada, en base a los
Más detallesUnidad Temática 2 Probabilidad
Unidad Temática 2 Probabilidad Responda verdadero o falso. Coloque una letra V a la izquierda del número del ítem si acepta la afirmación enunciada, o una F si la rechaza. 1. El experimento que consiste
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN PROCESOS INDUSTRIALES ÁREA SISTEMAS DE GESTIÓN DE LA CALIDAD EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar
Más detallesApéndice 1 Reglas y leyes lógicas
1 Apéndice 1 Reglas y leyes lógicas 1. Reglas lógicas Tal como ya se ha visto, una regla lógica, o regla de inferencia (deductiva), es una forma válida de razonamiento que es empleada en cada caso para
Más detallesMaestría en Bioinformática Probabilidad y Estadística: Clase 1
Maestría en Bioinformática Probabilidad y Estadística: Clase 1 Gustavo Guerberoff gguerber@fing.edu.uy Facultad de Ingeniería Universidad de la República Abril de 2010 Contenidos 1 Introducción 2 Teoría
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 1. Introducción a la probabilidad
Estadística y sus aplicaciones en Ciencias Sociales 1. Introducción a la probabilidad Facultad de Ciencias Sociales Universidad de la República Curso 2016 Índice 1.1. Aleatoriedad e incertidumbre 1.2 Probabilidad
Más detallesCONTENIDOS. 1. Procesos Estocásticos y de Markov. 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD
CONTENIDOS 1. Procesos Estocásticos y de Markov 2. Cadenas de Markov en Tiempo Discreto (CMTD) 3. Comportamiento de Transición de las CMTD 4. Comportamiento Estacionario de las CMTD 1. Procesos Estocásticos
Más detallesGeometría combinatoria de cuadrados mágicos, latinos, sudokus y otras tablas curiosas
Geometría combinatoria de cuadrados mágicos, latinos, sudokus y otras tablas curiosas Jesús A. De Loera University of California, Davis trabajo conjunto con Shmuel Onn (Technion Haifa Israel) Cuadrados
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Contenido Lógica proposicional Lógica de predicados Inferencia en lógica
Más detallesAgro 6998 Conferencia 2. Introducción a los modelos estadísticos mixtos
Agro 6998 Conferencia Introducción a los modelos estadísticos mixtos Los modelos estadísticos permiten modelar la respuesta de un estudio experimental u observacional en función de factores (tratamientos,
Más detallesMatemáticas. Si un error simple ha llevado a un problema más sencillo se disminuirá la puntuación.
UNIVERSIDAD POLITÉCNICA DE CARTAGENA PRUEBAS DE ACCESO A LA UNIVERSIDAD DE LOS MAYORES DE 25 AÑOS CONVOCATORIA 2014 CRITERIOS DE EVALUACIÓN Matemáticas GENERALES: El examen constará de dos opciones (dos
Más detallesESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE MATEMÁTICAS CURSO DE NIVELACIÓN S
ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL FACULTAD DE CIENCIAS NATURALES Y MATEMÁTICAS DEPARTAMENTO DE MATEMÁTICAS CURSO DE NIVELACIÓN 014 1S PRIMERA EVALUACIÓN DE MATEMÁTICAS PARA CIENCIAS, INGENIERÍAS
Más detallesCarrera: Ingeniería Civil CIM 0531
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Probabilidad y Estadística Ingeniería Civil CIM 0531 3 2 8 2.- HISTORIA DEL PROGRAMA
Más detallesDeterminar la incertidumbre al momento de desarrollar aplicativos en inteligencia artificial, haciendo uso de estructuras probabilísticas..
Sistemas expertos e inteligencia artificial, Guia 5 1 Facultad : Ingeniería Escuela : Computación Asignatura: Sistemas expertos e Inteligencia Artificial Tema: RAZONAMIENTO CON INCERTIDUMBRE. Objetivo
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesFormulación del problema de la ruta más corta en programación lineal
Formulación del problema de la ruta más corta en programación lineal En esta sección se describen dos formulaciones de programación lineal para el problema de la ruta más corta. Las formulaciones son generales,
Más detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Sea (K, +,.) un cuerpo con característica 0. Podemos pensar K = Q, R o C. Si V es un conjunto cualquiera en el que
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Programa Probabilidad Teoría de conjuntos Diagramas de Venn Permutaciones y combinaciones Variables aleatorias y distribuciones Propiedades de distribuciones Funciones generadoras
Más detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesAprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
Más detallesCarrera: Ingeniería Civil Participantes Comité de Evaluación Curricular de Institutos Tecnológicos
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Probabilidad y Estadística Ingeniería Civil Clave de la asignatura: Horas teoría-horas práctica-créditos 3-2-8 2.- HISTORIA DEL PROGRAMA Lugar
Más detallesEstadística Aplicada
Estadística Aplicada Universidad Maimónides 2016 Clase 3. Algunos Conceptos de Probabilidad Pedro Elosegui Conceptos Probabilísticos - Probabilidad: valor entre cero y uno (inclusive) que describe la posibilidad
Más detallesPROCESOS ESTOCÁSTICOS
Capítulo 10 Cadenas de Markov PROCESOS ESTOCÁSTICOS Una sucesión de observaciones X 1,X 2,... se denomina proceso estocástico Si los valores de estas observaciones no se pueden predecir exactamente Pero
Más detallesTema 3: Cálculo de Probabilidades. Métodos Estadísticos
Tema 3: Cálculo de Probabilidades Métodos Estadísticos 2 INTRODUCCIÓN Qué es la probabilidad? Es la creencia en la ocurrencia de un evento o suceso. Ejemplos de sucesos probables: Sacar cara en una moneda.
Más detallesRECOMENDACIONES Y ORIENTACIONES PARA LA MATERIA DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II (CURSO )
RECOMENDACIONES Y ORIENTACIONES PARA LA MATERIA DE MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II (CURSO 01-013) MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II ÍNDICE 1. Contenidos. Criterios de evaluación.1.
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 4 Variables aleatorias Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir las características de las variables aleatorias discretas y continuas.
Más detallesTema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto
Estadística Tema 3: Cálculo de Probabilidades Unidad 1: Introducción y Concepto Área de Estadística e Investigación Operativa Licesio J. Rodríguez-Aragón Octubre 2010 Contenidos...............................................................
Más detallesEjercicios de Lógica Proposicional *
Ejercicios de Lógica Proposicional * FernandoRVelazquezQ@gmail.com Notación. El lenguaje proposicional que hemos definido, aquel que utiliza los cinco conectivos,,, y, se denota como L {,,,, }. Los términos
Más detallesLógica Proposicional. Sergio Stive Solano Sabié. Marzo de 2012
Lógica Proposicional Sergio Stive Solano Sabié Marzo de 2012 Lógica Proposicional Sergio Stive Solano Sabié Marzo de 2012 Proposiciones Definición 1.1 Una proposición (o declaración) es una oración declarativa
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA
UNIVERSIDAD AUTÓNOMA DE CHIAPAS FACULTAD DE INGENIERÍA CAMPUS I PROBABILIDAD Y ESTADISTICA NIVEL : LICENCIATURA CRÉDITOS : 7 CLAVE : ICAE13001731 HORAS TEORÍA : 3 SEMESTRE : QUINTO HORAS PRÁCTICA : 1 REQUISITOS
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES
TÉCNICO SUPERIOR UNIVERSITARIO EN ENERGÍAS RENOVABLES ÁREA CALIDAD Y AHORRO DE ENERGÍA EN COMPETENCIAS PROFESIONALES ASIGNATURA DE PROBABILIDAD Y ESTADÍSTICA 1. Competencias Plantear y solucionar problemas
Más detalles2.3 PROPIEDADES DE LA PROBABILIDAD
2.3 PROPIEDADES DE LA PROBABILIDAD 1. La probabilidad es positiva y menor o igual que 1. 0 p( 1 2. La probabilidad del suceso seguro es 1. p (E) = 1 3. Si A y B son incompatibles, es decir A B = entonces:
Más detallesEXPERIMENTO ALEATORIO
EXPERIMENTO ALEATORIO En concepto de la probabilidad, un experimento aleatorio es aquel que bajo el mismo conjunto aparente de condiciones iniciales, puede presentar resultados diferentes, en otras palabras,
Más detallesInteligencia Artificial II (Curso ) Ejercicios propuestos del tema 3
Inteligencia rtificial II (urso 2012-2013) jercicios propuestos del tema 3 jercicio 1: Supongamos que tenemos cinco variables aleatorias,,, y, tales que: ˆ es independiente de. ˆ es independiente de y
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 2 Probabilidad condicional e independencia Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Distinguir los eventos condicionales de los eventos independientes.
Más detallesCUÁL SERIA LA PREDICCION OPTIMA DEL ESTADO DEL TIEMPO AL DIA SIGUIENTE?
TEOREMA DE BAYES Explica como considerar matemáticamente la nueva información en la toma de decisiones. P( AΙB) = P( A B) P( B) = P( A) P( BΙA) P( B) PROBLEMA: En cierto lugar llueve el 40% de los días
Más detallesREGLAS Y LEYES LOGICAS
LOGICA II REGLAS Y LEYES LOGICAS Una regla lógica, o regla de inferencia (deductiva), es una forma válida de razonamiento que es empleada para inferir deductivamente ciertos enunciados a partir de otros.
Más detallesCurso de Inteligencia Artificial
Curso de Inteligencia Artificial Introducción al Aprendizaje Automático Gibran Fuentes Pineda IIMAS, UNAM Definición El aprendizaje automático es el estudio de los metodos para programar las computadoras
Más detallesTeoría de Conjuntos: Producto Cartesiano y Relaciones
Teoría de Conjuntos: Producto Cartesiano y Relaciones COMP 2502: Estructuras Computacionales Discretas II Dra. Madeline Ortiz Rodríguez 1 Repaso sobre Conjuntos Los elementos de un conjunto pueden organizarse
Más detallesMATEMÁTICAS DISCRETAS. UNIDAD1 Lógica y Demostraciones
MATEMÁTICAS DISCRETAS UNIDAD1 Lógica y Demostraciones Para el estudio de esta unidad debe ubicarse en el Capítulo 1 del texto base, lea atentamente cada uno de los subtemas indicados en el índice de la
Más detallesMatemáticas Básicas para Computación
Matemáticas Básicas para Computación MATEMÁTICAS BÁSICAS PARA COMPUTACIÓN 1 Sesión No. 5 Nombre: Tablas de verdad Objetivo Al término de la sesión el participante aplicará los conceptos de lógica a través
Más detallesFACULTAD DE INGENIERIA CIVIL IV CICLO I SESION Nº 09
FACULTAD DE INGENIERIA CIVIL IV CICLO 2012 - I SESION Nº 09 1 2 ING. M. HAMILTON WILSON H. 2 TABLAS DE DECISIÓN Muchos procesos de toma de decisiones pueden ser tratados por medio DE TABLAS DE DECISIÓN,
Más detallesPROBABILIDAD Y ESTADÍSTICA
PROBABILIDAD Y ESTADÍSTICA 4 horas a la semana 8 créditos Semestre variable según la carrera Objetivo del curso: Analizar y resolver problemas de naturaleza aleatoria en la ingeniería, aplicando conceptos
Más detallesTÍTULO: MATEMÁTICA DISCRETA Y LÓGICA Disponibilidad
TÍTULO: MATEMÁTICA DISCRETA Y LÓGICA Disponibilidad Calculo proposicional 1 Argumentos y proposiciones lógicas 1 Algunos argumentos lógicos importantes 2 Proposiciones 4 Conexiones lógicas 5 Negación (tabla)
Más detallesTema 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación
Más detallesDistribuciones de Probabilidad
Distribuciones de Probabilidad Variables Aleatorias Ahora se introducirá el concepto de variable aleatoria y luego se introducirán las distribuciones de probabilidad discretas más comunes en la práctica
Más detallesUnidad II: Fundamentos de la teoría de probabilidad
Unidad II: Fundamentos de la teoría de probabilidad 2.1 Teoría elemental de probabilidad El Cálculo de Probabilidades se ocupa de estudiar ciertos experimentos que se denominan aleatorios, cuya característica
Más detallesAnálisis de. Análisis de. Decisiones:
Análisis de : Tablas de Pagos y Árboles de Decisión Fragoso Iñiguez I Marisol Salazar Rosales Leandro Julián Noviembre, 06 Tablas de Pagos Una situación de decisión en condiciones de incertidumbre puede
Más detallesCálculo Proposicional
Universidad Técnica ederico Santa María Departamento de Informática undamentos de Informática 1 Cálculo Proposicional Dr. Gonzalo Hernández Oliva Dr. Gonzalo Hernández USM I-1 Cálculo Proposicional 1 1)
Más detallesIndicaciones para el lector... xv Prólogo... xvii
ÍNDICE Indicaciones para el lector... xv Prólogo... xvii 1. INTRODUCCIÓN Qué es la estadística?... 3 Por qué estudiar estadística?... 5 Empleo de modelos en estadística... 6 Perspectiva hacia el futuro...
Más detallesTeoría de la Computación puesta en Práctica
Teoría de la Computación puesta en Práctica Marcelo Arenas M. Arenas Teoría de la Computación puesta en Práctica 1 / 24 Problema a resolver WiMAX (Worldwide Interoperability for Microwave Access): estándar
Más detallesCONTENIDO Prefacio CAPITULO 1: Qué es la investigación de operaciones? CAPITULO 2: Introducción a la programación lineal...
CONTENIDO Prefacio XV CAPITULO 1: Qué es la investigación de operaciones? 1 1.1 Modelos de investigación de operaciones 1 1.2 Solución del modelo de investigación de operaciones.. 4 1.3 Modelos de colas
Más detallesAño Académico 2009 INGENIERÍA INDUSTRIAL E INGENIERÍA DE SISTEMAS
Año Académico 2009 INGENIERÍA INDUSTRIAL E INGENIERÍA DE SISTEMAS Investigación de operaciones I UNIDAD Unidad I: Programación lineal Conjuntos convexos, propiedades. Solución gráfica del problema bidimensional
Más detallesTutoría Completa - Curso de Matemática para 1, 2 y 3 Básico
Tutoría Completa - Curso de Matemática para 1, 2 y 3 Básico Contenido 1 Básico 1. Proposiciones y cuantificadores a. Proposiciones b. Negación c. Conjunción d. Disyunción e. Condicional f. Doble condicional
Más detallesAnálisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM
Universidad Católica del Norte Escuela de Negocios Mineros Magíster en Gestión Minera Análisis de Datos y Métodos Cuantitativos para la Toma de Decisiones 7ma versión MGM Antofagasta, Junio de 2014 Freddy
Más detallesPROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS ASIGNATURA
PROGRAMA DETALLADO VIGENCIA TURNO UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA DE LA FUERZA ARMADA 2009 DIURNO INGENIERÌA EN SISTEMAS SEMESTRE ASIGNATURA 8vo TEORÍA DE DECISIONES CÓDIGO HORAS MAT-31314
Más detallesBases Formales de la Computación: Sesión 3. Modelos Ocultos de Markov
Bases Formales de la Computación: Sesión 3. Prof. Gloria Inés Alvarez V. Departamento de Ciencias e Ingeniería de la Computación Pontificia Universidad Javeriana Cali Periodo 2008-2 Contenido 1 Introducción
Más detallesMODELOS DE INVESTIGACION DE OPERACIONES
MODELOS DE INVESTIGACION DE OPERACIONES CARACTERÍSTICAS Los modelos se dividen en determinísticos (no probabilisticos) y estocásticos (probilisticos). Hay otros modelos híbridos porque incluyen las dos
Más detallesAnálisis de Datos en Física de Partículas
Análisis de Datos en Física de Partículas Sección de Posgrado Facultad de Ciencias Universidad Nacional de Ingeniería C. Javier Solano S. jsolano@uni.edu.pe http://compinformatidf.wordpress.com/ Página
Más detallesEn lo particular, esta materia permitirá al alumno aplicar las herramientas básicas de matemáticas discretas en:
Nombre de la asignatura: Matemáticas Discretas Créditos: 3 2-5 Aportación al perfil En lo particular, esta materia permitirá al alumno aplicar las herramientas básicas de matemáticas discretas en: El análisis
Más detallesCarrera: IAM Participantes. Representantes de las academias de Ingeniería Ambiental. Academia de Ingeniería
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y estadística Ingeniería Ambiental IAM - 0423 3-2-8 2.- HISTORIA DEL
Más detallesUNLPam - Fac. Cs. Econ. y Jur.
Bibliografía Anderson, Sweeney y Williams; Introducción a los modelos cuantitativos para Administración. Grupo Editorial Iberoamérica. Eppen, Gould, Schmidt, Moore, Weatherford; Investigación de Operaciones
Más detallesUNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS
UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS Sistemas de dos ecuaciones con dos incógnitas. Método de igualación. Método de reducción. Método de sustitución Método de eliminación Gaussiana.
Más detalles1. Los números racionales. 2. Operaciones con racionales. 3. Clasificación de los decimales. 4. Irracionales. (representación, orden).
EJES ARTICULADORES Y PRODUCTIVOS DEL AREA SISTEMA DE CONOCIMIENTOS GRADO: 8 9 1. Los números racionales. 2. Operaciones con racionales. 3. Clasificación de los decimales. 1. Los números reales. 2. Notación
Más detalles