OTRAS OPCIONES DE PREDICCIÓN
|
|
- Marcos San Martín Castellanos
- hace 5 años
- Vistas:
Transcripción
1 OTRAS OPCIONES DE PREDICCIÓN
2
3 Incertidumbre se refiere a la toma de decisiones sin contar con la información adecuada. Es un problema porque nos impide tomar la mejor decisión y muy frecuentemente nos conduce a tomar una mala decisión. Ejemplos: En medicina, la incertidumbre nos impide sugerir el mejor tratamiento, o nos conduce a seleccionar el peor tratamiento. En negocios una mala decisión implica pérdidas financieras en vez de ganancias.
4 Teorías para tratar la incertidumbre Probabilidad clásica Probabilidad Bayesiana Teoría de Hartley Teoría de Shannon Teoría de Dempster-Shafer Fuzzy theory de Zadeh
5 TIPOS DE RAZONAMIENTO DEDUCCIÓN: Razonamiento lógico en el cual las conclusiones siguen a las premisas. Procede de lo general a lo específico: Todos los hombres son mortales Fox es mortal Por lo tanto: Fox es mortal
6 TIPOS DE RAZONAMIENTO INDUCCIÓN:Se infiere del caso específico a lo general Yo nunca he tenido un accidente Por lo tanto: Nunca voy a tener un accidente Este razonamiento inductivo es erróneo.
7 Excepto en inducción matemática, los argumentos inductivos nunca pueden provarse como correctos. Ofrecen cierto grado de confianza de que la conclusión es correcta. Los sistemas expertos pueden consistir de reglas deductivas o inductivas, donde las reglas inductivas son de naturaleza heurística. Una regla heurística se le llama comunmente regla de dedo debido a que está basada en la experiencia.
8 Una característica interesante de los expertos humanos es que razonan bajo incertidumbre. Aún bajo mucha incertidumbre, los expertos pueden tomar buenas decisiones, o ellos ya no podrán ser considerados como tales.
9 También con el razonamiento deductivo puede haber errores; se les llama falacias. Si la válvula de la llave de agua está en buena condición, Entonces la salida de agua es normal La salida de agua es normal Por lo tanto: La válvula de la llave de agua está en buena condición.
10 PROBABILIDAD CLÁSICA Es una forma de resolver problemas inciertos a través de la teoría clásica de probabilidad, propuesta inicialmente por Pascal y Fermat (1657). Su origen tiene como base el resolver problemas a priori de los apostadores en juegos.
11 TEORÍA DE BAYES La probabilidad condicionada P(A B), establece la probabilidad del evento A dado que el evento B ocurrió. El problema inverso consiste en encontrar la probabilidad inversa que establezca la probabilidad de un evento anterior dado que otro evento posterior ocurrió
12 TEOREMA DE BAYES Este tipo de probabilidad ocurre frecuentemente, como en el caso de diagnóstico de enfermedades en cultivos, donde se presenta el diagnóstico de síntomas y el problema es encontrar la causa más posible. La solución a este problema es con el Teorema de Bayes, nombrada en honor de Thomas Bayes, matemático británico del siglo 18.
13 TEOREMA DE BAYES P(x z) = P(z x) P(z) Por la ley multiplicativa: P(x z) = P(c x) P(x) P(z)
14 FACTORES DE CERTEZA El teorema de Bayes es útil en fitopatología para detectar enfermedades, pero su precisión depende de conocer muchas probabilidades. En muchos problemas fundamentales, no existe una relación causa efecto entre dos eventos, P(H E) considera necesariamente esta relación.
15 FACTORES DE CERTEZA Por lo que la relación siguiente no es en este caso válida: P(H E) = 1 - P(H E)
16 FACTORES DE CERTEZA Los problemas con la teoría de la probabilidad condujo a Shortliffe a investigar otras formas de representar la incertidumbre. Entonces se propuso los factores de certeza con base en la teoría de Carnap (1950).
17 FACTORES DE CERTEZA El factor de certeza se calcula con la diferencia entre lo que se cree o se desacuerda: CF(H,E) =MB(H,E) MD(H,E) Donde: CF es el factor de certeza en la hipótesis H dada la evidencia en E MB es la medida de creencia en H dado E MD es la medida del desacuerdo en H dado E
18 FACTORES DE CERTEZA MB(H,E) = max [ P(H E),P(H) ] 1 Si P(H)=1 P(H) max[ 10, ] P(H) De otra forma MD(H,E) = 1 Si P(H)=1 min[ P(H E),P(H) ] P(H) min[ 10, ] P(H) De otra forma
19 FACTORES DE CERTEZA Rangos 0<=MB<=1 0<=MD<=1-1<=CF<=1 Hipótesis verdadera: CF=1 Hipótesis falsa: CF= -1 Hipótesis sin evidencia: CF=0
20 FUZZY LOGIC (Lógica ambigua) Esta teoría está relacionada con la cuantificación y razonamiento usando lenguaje natural en las cuales muchas palabras tienen significado ambiguo, tales como: alto, frío, peligroso, mucho, etc. Esta teoría, establecida por Zadeh (1965) se ha aplicado en muchas áreas como para crear cámaras fotográficas automáticas, para algoritmos de contro, diagnóstico de enfermedades, tomar decisiones, economía, ingeniería, literatura, reconocimiento de patrones, etc.
Inteligencia en Redes de Comunicaciones - 05 Razonamiento bajo incertidumbre
El objetivo del Tema 5 es explicar el tratamiento de la incertidumbre en los sistemas de razonamiento software. 1 El razonamiento humano se caracteriza por incluir en numerosas ocasiones componentes de
Más detallesMYCIN es un sistema experto desarrollado a principios de la década de 1970 por Edward Shortliffe, en la Universidad de Stanford.
MYCIN es un sistema experto desarrollado a principios de la década de 1970 por Edward Shortliffe, en la Universidad de Stanford. Sentó las bases para la construcción de sistemas expertos. Inicialmente
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Agentes que razonan bajo incertidumbre Introducción Repaso de probabilidad
Más detallesRazonamiento bajo incertidumbre
Inteligencia en Redes de Comunicaciones Razonamiento bajo incertidumbre Julio Villena Román jvillena@it.uc3m.es Razonamiento humano En el razonamiento humano hay que trabajar con la incertidumbre: la información
Más detallesTema 6 Razonamiento aproximado
Tema 6 Razonamiento aproximado Ampliación de Ingeniería del Conocimiento Eva Millán 1 Esquema del tema 6.1. Introducción al razonamiento aproximado 6.2. El modelo de factores de certeza 6.3. Conjuntos
Más detallesCapítulo 4. Lógica matemática. Continuar
Capítulo 4. Lógica matemática Continuar Introducción La lógica estudia la forma del razonamiento, es una disciplina que por medio de reglas y técnicas determina si un teorema es falso o verdadero, además
Más detallesANÁLISIS CUANTITATIVO. SISTEMAS EXPERTOS. Jorge Estévez Grupo ER
ANÁLISIS CUANTITATIVO. SISTEMAS EXPERTOS Jorge Estévez Grupo ER "Un sistema experto es visto como la incorporación en un ordenador de un componente basado en el conocimiento, que se obtiene a partir de
Más detallesFundamentos de Inteligencia Artificial
Área de Ingeniería Telemática Universidade de Vigo Fundamentos de Inteligencia Artificial Manuel Ramos Cabrer (Curso 2010/11) Objetivos Introducción a la disciplina de la Inteligencia Artificial desde
Más detallesDesarrollo e impacto de la Estadística Bayesiana
Desarrollo e impacto de la Estadística Bayesiana Eduardo Gutiérrez Peña Departamento de Probabilidad y Estadística Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas Universidad Nacional
Más detallesTema 8: Razonamiento Probabilístico
Tema 8: Razonamiento Probabilístico 1. El concepto de probabilidad Enfoque objetivo La concepción de la probabilidad lógica: casos favorables/casos posibles Frecuencia relativa de largas secuencias Enfoque
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 detallesRAZONAMIENTO APROXIMADO EN LA INTELIGENCIA ARTIFICIAL
RAZONAMIENTO APROXIMADO EN LA INTELIGENCIA ARTIFICIAL REALIDAD El conocimiento que necesitamos para desarrollar un Sistema basado en Conocimiento tiene muchas veces las siguientes características: NO ES
Más detallesLas redes semánticas son: a. Una extensión de la lógica de predicados b. Una extensión de los frames c. Un conjunto conexo de OAV
Las redes semánticas son: a. Una extensión de la lógica de predicados b. Una extensión de los frames c. Un conjunto conexo de OAV El algoritmo de PodaAlfaBeta busca: a. Determinar los caminos más óptimos.
Más detallesLógica e Inteligencia Artificial: Una Historia sin Fin
Lógica e Inteligencia Artificial: Una Historia sin Fin UCAB / USB Detractores de Lógica en IA... Búsqueda del razonamiento lógico desde Aristóteles, con su consolidación por Peano, Frege, Russel,... y
Más detallesCRITERIOS DE EVALUACIÓN DE MATEMÁTICAS PAI 1
Criterio A. Conocimiento y comprensión i. Seleccionar las matemáticas apropiadas para resolver problemas en situaciones tanto conocidas como desconocidas ii. Aplicar debidamente las matemáticas seleccionadas
Más detallesSe observa X, realización del fenómeno aleatorio. Lo anterior implica razonamiento inductivo.
Pruebas de Hipótesis Hay un contexto. Hay un fenómeno aleatorio de interés. ( ΩF,, P( θ )) Valor de θ desconocido. Se observa X, realización del fenómeno aleatorio. Lo anterior implica razonamiento inductivo.
Más detallesLógica e Inteligencia Artificial: Una Historia sin Fin
Lógica e Inteligencia Artificial: Una Historia sin Fin UCAB / USB Detractores de Lógica L en IA... Búsqueda del del razonamiento lógico desde Aristóteles, con con su su consolidación por por Peano, Frege,
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 detallesSesión 2: Teoría de Probabilidad
Modelos Gráficos Probabilistas L. Enrique Sucar INAOE Sesión 2: Teoría de Probabilidad Considero que la probabilidad representa el estado de la mente con respecto a una afirmación, evento u otra cosa para
Más detallesEn general, se considera válido un razonamiento cuando sus premisas ofrecen soporte suficiente a su conclusión.
Se llama razonamiento lógico al proceso mental de realizar una inferencia de una conclusión a partir de un conjunto de premisas. La conclusión puede no ser una consecuencia lógica de las premisas y aun
Más detallesPor ello, son necesarios los sistemas expertos que traten situaciones de incertidumbre.
SISTEMAS EXPERTOS BASADOS EN PROBABILIDAD En las aplicaciones, la incertidumbre es lo común y no la excepción. Por ejemplo, una pregunta típica en diagnóstico médico es: dado que el paciente presenta unos
Más detallesTareas de la minería de datos: clasificación. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR
Tareas de la minería de datos: clasificación CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR Tareas de la minería de datos: clasificación Clasificación (discriminación) Empareja
Más detallesInteligencia Artificial e Ingeniería del Conocimiento
Inteligencia Artificial e Ingeniería del Conocimiento I. A. Clásica Nuevos enfoques de la I. A. Agentes Inteligentes Aprendizaje Introducción Aprendizaje inductivo decisión Planteamiento conectivista.
Más detallesque pretende introducir un grado de vaguedad en las cosas que evalúa. En el mundo en que
CAPÍTULO 3 Lógica difusa Recientemente, la cantidad y variedad de aplicaciones de la lógica difusa han crecido considerablemente. La lógica difusa es una lógica alternativa a la lógica clásica que pretende
Más detallesIncertidumbre 19/11/2009. Existe una probabilidad del 90% que el medicamento X funcione
Conceptos básicos de probabilidad Muchos significados Existe una probabilidad del 90% que el medicamento X funcione En 9 de 10 casos funciona Existe una probabilidad del 90% que la Iliada y la Odisea fueron
Más detallesMatemáticas Discretas Probabilidad
Coordinación de Ciencias Computacionales - INAOE Matemáticas Discretas Probabilidad Cursos Propedéuticos 2010 Ciencias Computacionales INAOE Teoría de Probabilidad Considero que la probabilidad representa
Más detalles1. DATOS DE LA ASIGNATURA. Nombre de la Asignatura: Carrera: Clave de la Asignatura: SACTA: PRESENTACION. Caracterización de la asignatura.
1. DATOS DE LA ASIGNATURA Nombre de la Asignatura: Carrera: Clave de la Asignatura: Inteligencia Artificial Ingeniería en Informática SID-1305 SACTA: 2-3-5 2. PRESENTACION Caracterización de la asignatura.
Más detallesTeoremas: Condiciones Necesarias, Condiciones Suficientes y Condiciones Necesarias y Suficientes
FUNCIONES DE VARIABLE COMPLEJA 1 Teoremas: Condiciones Necesarias, Condiciones Suficientes y Condiciones Necesarias y Suficientes Lógica Matemática Una prioridad que tiene la enseñanza de la matemática
Más detallesLógica Proposicional IIC1253. IIC1253 Lógica Proposicional 1/64
Lógica Proposicional IIC1253 IIC1253 Lógica Proposicional 1/64 Inicio de la Lógica Originalmente, la Lógica trataba con argumentos en el lenguaje natural. Ejemplo Es el siguiente argumento válido? Todos
Más detallesPrograma de estudios por competencias Inteligencia Artificial I
Programa de estudios por competencias Inteligencia Artificial I 1. Identificación del curso Programa educativo: Licenciatura en Ingeniería en Computación Unidad de aprendizaje: Inteligencia Artificial
Más detallesCiencia. Conjunto sistematizado de conocimientos que constituyen una rama del saber humano.
METODOLOGIA DE LA INVESTIGACION. Introducción a la Metodología Científica de Investigación. Método. Camino para alcanzar un fin. Investigación. Es el acto de llevar a cabo estrategias para descubrir algo.
Más detallesUniversidad Nacional de Educación a Distancia. Ingeniería Técnica en Informática de Sistemas. Introducción a la Inteligencia Artificial (2º curso)
Universidad Nacional de Educación a Distancia Ingeniería Técnica en Informática de Sistemas Introducción a la Inteligencia Artificial (2º curso) Soluciones exámenes septiembre 2010 Ejercicio 1. (Valoración:
Más detallesProfesores: Dra. Atocha Aliseda, Dr. Alfonso Arroyo, Dr. Vincenzo Politi
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO PROGRAMA DE MAESTRÍA Y DOCTORADO EN FILOSOFÍA DE LA CIENCIA Programa de actividad académica Denominación de la Actividad Académica: Lógica 2 Profesores: Dra. Atocha
Más detallesSEGUNDO DE BACHILLERATO MATEMÁTICAS II
SEGUNDO DE BACHILLERATO MATEMÁTICAS II La asignatura Matemáticas II, de segundo de bachillerato, en una materia troncal de acuerdo con el Real Decreto 1105/2104, de 26 de diciembre, (BOE 3-I- 2015), por
Más detallesEnseñanza de la Probabilidad: Perspectivas para el aprendizaje de la probabilidad
Enseñanza de la Probabilidad: Perspectivas para el aprendizaje de la probabilidad Soledad Estrella IV Simposio Estadística y Probabilidad en el aula escolar IMA - PUCV diciembre- 2017 Proyecto Fondecyt
Más detallesPROFESIONALES [PRESENCIAL]
SILABO POR ASIGNATURA 1. INFORMACION GENERAL Coordinador: SAQUICELA GALARZA VICTOR HUGO(victor.saquicela@ucuenca.edu.ec) Facultad(es): [FACULTAD DE INGENIERÍA] Escuela: [ESCUELA DE INFORMÁTICA] Carrera(s):
Más detallesMatemáticas Aplicadas a las Ciencias Sociales II. Comisión Permanente
Matemáticas Aplicadas a las Ciencias Sociales II. Comisión Permanente Centro de Profesores y Recursos Mérida, 22 febrero 2012 Enrique García, Jacinto Martín Índice 1 Informe 2 Contenidos 3 Criterios de
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Agentes que Aprenden: Clasificador Bayesiano Clasificación Clasificador
Más detallesLOGICA MATEMATICA. Utilizando esas definiciones y las leyes de lógica matemática, demostrar las siguientes tautologías:
LOGICA MATEMATICA Utilizando esas definiciones y las leyes de lógica matemática, demostrar las siguientes tautologías: 1 ) q p q p ( q ) p ( Definición ) q p ( Doble Negación ) p q ( Conmutatividad ) (
Más detallesELABORACIÓN DE LA MATRIZ DE ESPECIFICACIONES DE CADA UNA DE LAS MATERIAS OBJETO DE LA EBAU Matemáticas II. 2º Bachillerato
Bloque 1. Procesos, métodos y actitudes en matemáticas. 20% Expresa verbalmente de forma razonada el proceso seguido en la resolución de un problema, con el rigor y la precisión adecuados. Analiza y comprende
Más detallesInferencia en Modelos Gráficos para detección de Tópicos (LDA)
Inferencia en Modelos Gráficos para detección de Tópicos (LDA) Francisco Barreras 19 de enero de 2017 Contenido 1 Introducción y Contexto 2 Motivación 3 Definiciones y Fundamentos 4 Razonamiento y flujos
Más detallesAnálisis de Datos. Conceptos básicos de probabilidad y teorema de Bayes. Profesor: Dr. Wilfrido Gómez Flores
Análisis de Datos Conceptos básicos de probabilidad y teorema de Bayes Profesor: Dr. Wilfrido Gómez Flores 1 Introducción Los fenómenos del mundo real se pueden clasificar en dos tipos: Determínistico:
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 detallesNo se comprende o interioriza la importancia de las palabras y del lenguaje preciso!
1 Ideas a debatir: La Ciencia es a) una profesión b) un trabajo c) una carrera No se comprende o interioriza la importancia de las palabras y del lenguaje preciso! Ideas a debatir: Hacer Ciencia no es
Más detallesEl razonamiento lógico se refiere al uso de entendimiento para pasar de unas proposiciones a otras partiendo de lo ya conocido o de lo que creemos
El razonamiento lógico se refiere al uso de entendimiento para pasar de unas proposiciones a otras partiendo de lo ya conocido o de lo que creemos conocer a lo desconocido o menos conocido. TIPOS DE RAZONAMIENTO
Más detallesProfesores: Dra. Atocha Aliseda, Dr. Alfonso Arroyo Santos.
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO PROGRAMA DE MAESTRÍA Y DOCTORADO EN FILOSOFÍA DE LA CIENCIA Programa de actividad académica Denominación de la Actividad Académica: Lógica 2 Profesores: Dra. Atocha
Más detallesArboles de decisión. Area de Computación e Inteligencia Artificial
Arboles de decisión 1 Teoría de la decisión Hemos estudiado las redes bayesianas como instrumento para el diagnóstico en presencia de incertidumbre. La idea ahora es aprovechas ese diagnóstico para decidir
Más detallesÍndice de materias. 1. Introducción. 2. Conceptos básicos de la probabilidad
Índice de materias 1. Introducción 2. Conceptos básicos de la probabilidad Índice de materias 1. Introducción 2. Conceptos básicos de la probabilidad 3. Modelos de probabilidad elementales Índice de materias
Más detallesMÉTODOS DE DEMOSTRACIÓN
2016-1 1 Presentación 2 Métodos de Demostración Sobre métodos de demostración algunas preguntas de interés 1 Qué es una demostración? Sobre métodos de demostración algunas preguntas de interés 1 Qué es
Más detallesMATEMÁTICAS II MATRIZ DE ESPECIFICACIONES DE LA ASIGNATURA DE MATEMÁTICAS II ESTÁNDARES DE APRENDIZAJE AL BLOQUE
MATRIZ DE ESPECIFICACIONES DE LA ASIGNATURA DE MATEMÁTICAS II BLOQUES DE CONTENIDO PORCENTAJE ASIGNADO AL BLOQUE ESTÁNDARES DE APRENDIZAJE Bloque 1. Procesos, métodos y actitudes en matemáticas. 30 % Expresa
Más detallesPLAN INTEGRAL DE ÁREA PICC HME -DBA
Página: 1 de 2 1. IDENTIFICACIÓN: AREA: MATEMÁTICAS-COMPETENCIA LÓGICA DOCENTE: 2 PLANEACIÓN: COMPETENCIA COMPONENTE D.B.A (Derechos Básicos de Aprendizaje) PERÍ ODO APRENDIZAJES (Indicador cognitivo)
Más detallesTema 10: Conceptos Metalógicos
Facultad de Informática Grado en Ingeniería Informática Lógica PARTE 2: LÓGICA DE PRIMER ORDEN Tema 10: Conceptos Metalógicos Profesor: Javier Bajo jbajo@fi.upm.es Madrid, España 12/11/2012 Introducción
Más detallesRazonamiento abductivo en una tarea con números 4-estelares
Razonamiento abductivo en una tarea con números 4-estelares Lucero Antolínez Quijano * Miller Palacio Núñez ** María Nubia Soler *** RESUMEN Esta ponencia presenta los avances y algunos resultados en un
Más detallesMatemáticas II, 2º Bachillerato CT. LOMCE. MATEMÁTICAS II, 2º Bachillerato Científico-Técnico. 1. Procesos, métodos y actitudes
MATEMÁTICAS II, 2º Bachillerato Científico-Técnico 1. Procesos, métodos y actitudes Analizar y comprender el enunciado a resolver o demostrar (datos, relaciones entre los datos, condiciones, hipótesis,
Más detallesInteligencia Artificial II Razonamiento Bayesiano
Inteligencia Artificial II Razonamiento Bayesiano Dr. Alejandro Guerra-Hernández Universidad Veracruzana Centro de Investigación en Inteligencia Artificial mailto:aguerra@uv.mx http://www.uv.mx/personal/aguerra
Más detallesArboles de decisión. Area de Computación e Inteligencia Artificial
Arboles de decisión Teoría de la decisión Hemos estudiado las redes bayesianas como instrumento para el diagnóstico en presencia de incertidumbre. La idea ahora es aprovechar ese diagnóstico para decidir
Más detallesCIENCIAS FORMALES CIENCIAS FÁCTICAS
UNA CLASIFICACIÓN DE LAS CIENCIAS CIENCIAS FORMALES CIENCIAS FÁCTICAS CIENCIAS FORMALES MATEMÁTICA LÓGICA CIENCIAS FÁCTICAS FÍSICA BIOLOGÍA QUÍMICA CIENCIAS SOCIALES OTRAS CIENCIAS FORMALES VOCABULARIO
Más detallesLOGICA DIFUSA. Dámaso López Aragón
LOGICA DIFUSA Dámaso López Aragón Introducción La lógica difusa tiene su origen en la década de los 60, en la Universidad de Berkeley - California, la cual fue desarrollada por Lofti Zadeth a través de
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 detallesResolución general de problemas
Resolución de problemas y conocimiento Resolución general de problemas Los métodos de resolución de problemas que hemos visto son de aplicación general Se fundamentan en una función heurística para obtener
Más detallesUNIDAD III. Módulo 5. Pensar con claridad OBJETIVO:
UNIDAD III Módulo 5 Pensar con claridad OBJETIVO: Analizar una argumentación y señalar ciertos errores y presuposiciones, como: Puntos donde la argumentación carezca de pruebas, Falacias causales, Selección
Más detallesCOMPETENCIAS EN PRE- SABER 11
COMPETENCIAS EN PRE- SABER 11 MATEMÁTICAS Interpretación y representación Esta competencia sirve para evidenciar qué tan bien puede llegar a entender datos cuantitativos en diferentes formatos conocidos
Más detallesUNIDAD 4; ECUACIONES DE PRIMER Y SEGUNDO GRADO
UNIDAD 4; ECUACIONES DE PRIMER Y SEGUNDO GRADO Distinguir si una igualdad algebraica es una identidad o una ecuación. Reconocer los elementos y el grado de una ecuación. Determinar si un número es o no
Más detallesSistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad
Sistemas de ayuda a la decisión Modelización de la incertidumbre Tema 2. Incertidumbre y Probabilidad Indice 1) Sucesos Aleatorios. 2) Espacio Muestral. 3) Operaciones con Sucesos. 4) Enfoques de la Probabilidad.
Más detallesLógicas para la inteligencia natural y artificial
1er día virtual de la comunidad de Inteligencia Artificial Lógicas para la inteligencia natural y artificial México DF, 18 de junio de 2015 Contenido La lógica humana: comprender y razonar sobre lo natural
Más detallesClasificación Bayesiana
Clasificación Bayesiana Naive Bayes septiembre 30, 2014 Ricardo Corral Corral rcorral@email.ifc.unam.mx Instituto de Fisiología Celular Universidad Nacional Autónoma de México Temas 1 Introducción Conceptos
Más detallesReunión Plenaria Matemáticas Aplicadas a las Ciencias Sociales II
Reunión Plenaria Matemáticas Aplicadas a las Ciencias Sociales II Centro de Profesores y Recursos Mérida, 8 de Noviembre de 2011 Enrique García, Jacinto Martín Índice 1 Currículo de Matemáticas Aplicadas
Más detallesProbabilidad. 1. Conceptos previos. Teoría de conjuntos. Conceptos básicos
. Conceptos previos Teoría de conjuntos. Conceptos básicos Dado un conjunto M, se llama conjunto de partes de M, y se denota por P(M), al conjunto de todos los subconjuntos de M (incluido el conjunto vacio,,
Más detallesEl Tamaño de la Muestra: Cuántos Pacientes Voy a Necesitar?
El Tamaño de la Muestra: Cuántos Pacientes Voy a Necesitar? OBJETIVOS Comprender la lógica que rige la realización de los cálculos, relativos al tamaño de la muestra, en estudios clínicos La Cuestión Clave
Más detallesUN ANÁLISIS DEL RAZONAMIENTO ORDINARIO
TÍTULO DEL CURSO: UN ANÁLISIS DEL RAZONAMIENTO ORDINARIO Este curso será impartido por Enric Trillas. Profesor Emérito Honorífico de la Universidad de Oviedo. Adscrito al departamento de Estadística e
Más detallesUNIVERSIDAD MAYOR DE SAN SIMON FACULTAD DE CIENCIAS Y TECNOLOGÍA PLAN GLOBAL ALGEBRA I
UNIVERSIDAD MAYOR DE SAN SIMON FACULTAD DE CIENCIAS Y TECNOLOGÍA PLAN GLOBAL ALGEBRA I I. DATOS DE IDENTIFICACIÓN Nombre de la materia: ALGEBRA I Código: 2008019 Grupo: 4 Carga horaria: 2 TEÓRICAS Y DOS
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 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 detallesMódulo 1. (Primera Parte) INTRODUCCIÓN AL LENGUAJE LÓGICO- MATEMÁTICO
Módulo 1 (Primera Parte) INTRODUCCIÓN AL LENGUAJE LÓGICO- MATEMÁTICO Qué es un símbolo? El concepto de símbolo (una palabra que deriva del latín simbŏlum) sirve para representar, de alguna manera, una
Más detallesMatemáticas Aplicadas a las Ciencias Sociales II. Comisión Permanente
Matemáticas Aplicadas a las Ciencias Sociales II. Comisión Permanente Centro de Profesores y Recursos Mérida, 24 febrero 2011 Enrique García, Jacinto Martín Índice 1 Informe 2 Contenidos 3 Criterios de
Más detallesOBRA SALESIANA DEL NIÑO JESÚS COLEGIO SALESIANO JUAN DEL RIZZO
CONSTRUCCIÓN DEL ARCO EDUCATIVO ÁREA: MATEMATICAS JEFE DEL ÁREA: GUILLERMO OSWALDO MORENO DOCENTES DEL ÁREA POR NIVELES: 1º JAQUELIN MORALES 2º FRANCY ORTIZ GRANADOS 3º MARTHA CASTILLO 4º SANDRA VIVIANA
Más detallesGUÍA DOCENTE Sistemas Inteligentes
GUÍA DOCENTE 2016-2017 Sistemas Inteligentes 1. Denominación de la asignatura: Sistemas Inteligentes Titulación Grado de Ingeniería en Informática Código 6365 2. Materia o módulo a la que pertenece la
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 detallesFACULTAD DE INGENIERÍA DE SISTEMAS : SISTEMAS EXPERTOS CODIGO : HORAS SEMANALES : 4 HORAS (Teoría: 02; Laboratorio: 02)
FACULTAD DE INGENIERÍA DE SISTEMAS I. INFORMACIÓN GENERAL SÍLABO CURSO : SISTEMAS EXPERTOS CODIGO : CICLO : IX CREDITO : 3 HORAS LES : 4 HORAS (Teoría: 02; Laboratorio: 02) AREA O CARRERA : Ingeniería
Más detallesLÓGICA FORMAL TEORIAS DE PRIMER ORDEN. Axiomática
LÓGICA FORMAL TEORIAS DE PRIMER ORDEN Francisco Bueno Pedro López Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Teoría de Primer Orden 1 Formalmente,
Más detallesLógica Proposicional. Cátedra de Matemática
Lógica Proposicional Cátedra de Matemática Abril 2017 Qué es la lógica proposicional? Es la disciplina que estudia métodos de análisis y razonamiento; utilizando el lenguaje de las matemáticas como un
Más detallesLECTURA Y REDACCION CIENTIFICA. Dra. Vannya E. Torres García
LECTURA Y REDACCION CIENTIFICA Dra. Vannya E. Torres García La naturaleza del conocimiento científico A.1 El conocimiento y sus niveles A.2 Trinomio: verdad evidencia certeza A.3 Formación del espíritu
Más detallesPontificia Universidad Católica del Ecuador
Pontificia Universidad Católica del Ecuador 1. DATOS INFORMATIVOS: MATERIA O MÓDULO: Cálculo Proposicional y de Predicados CÓDIGO: CARRERA: NIVEL: Ingeniería de Sistemas Primero No. CRÉDITOS: 4 CRÉDITOS
Más detallesObjetivos formativos de Matemática Discreta. Tema 1: Conjuntos, aplicaciones y relaciones
Objetivos formativos de Matemática Discreta Para cada uno de los temas el alumno debe ser capaz de hacer lo que se indica en cada bloque. Además de los objetivos que se señalan en cada tema, se considera
Más detallesBloque de asignaturas troncales generales según modalidad. CIENCIAS Matemáticas II. 2º Bachillerato. Matriz de especificaciones
experiencias, y comentando de manera personal y detallada las noticias y los puntos de vista de las personas a las que se dirige. Escribe, en cualquier soporte, cartas formales de carácter académico o
Más detallesTEMA 8 PENSAMIENTO Y LENGUAJE -5. LAS CATEGORÍAS DEL PENSAMIENTO
TEMA 8 PENSAMIENTO Y LENGUAJE -5. LAS CATEGORÍAS DEL PENSAMIENTO 5. LAS CATEGORÍAS DEL PENSAMIENTO El lenguaje verbal se construye a partir de fonemas, morfemas, palabras y oraciones El pensamiento se
Más detallesBases Formales de la Computación: Redes de Bayes (segunda parte)
Bases Formales de la Computación: Redes de Bayes (segunda parte) Departamento de Ciencias e Ingeniería de la Computación Pontificia Universidad Javeriana Cali Periodo 2008-2 Razonamiento en Redes de Bayes
Más detallesUNIDAD 4. INFERENCIA ESTADÍSTICA. Prof. Eliana Guzmán U. Semestre A-2015
UNIDAD 4. INFERENCIA ESTADÍSTICA Prof. Eliana Guzmán U. Semestre A-05 INFERENCIA ESTADÍSTICA La teoría de la Inferencia Estadística está conformada por aquellos métodos que permiten hacer generalizaciones,
Más detalles3. LA ARGUMENTACIÓN FICHA 1 DE REFUERZO DE CONTENIDOS
FICHA 1 DE REFUERZO DE CONTENIDOS 1. La argumentación está formada por dos tipos de enunciados: a) inducción y deducción; b) analíticos y sintéticos; c) premisas y conclusión; d) axiomas y teoremas. 2.
Más detallesCAPÍTULO 13 Técnicas de Inferencia
CAPÍTULO 13 Técnicas de Inferencia 1 Razonamiento en la inteligencia artificial El conocimiento debe ser procesado (razonado) La computadora puede acceder al conocimiento por inferencia Motor de inferencia
Más detallesTEMA I. INTRODUCCIÓN A LA LÓGICA Y AL RAZONAMIENTO DEDUCTIVO.
Lógica y razonamiento. La lógica es el estudio de los métodos que permiten establecer la validez de un razonamiento, entendiendo como tal al proceso mental que, partiendo de ciertas premisas, deriva en
Más detallesModelo Uniforme discreto de Probabilidad (Modelo Clásico de Probabilidad)
Modelo Uniforme discreto de Probabilidad (Modelo Clásico de Probabilidad) 1. Definición y propiedades. Aditividad finita Definición 1. Sea Ω un conjunto finito no vacío. Definimos la medida de probabilidad
Más detallesManejo de Incertidumbre
Inteligencia Artificial Manejo de Incertidumbre Sesión 7 Eduardo Morales / L. Enrique Sucar Introducción Los sistemas inteligentes deben ser capaces de representar y razonar con incertidumbre. Existen
Más detallesCÓMO SE FORMA UN INGENIERO? FUNCIONES DE LA ESCUELA Y DE LA PRÁCTICA. Por Daniel Reséndiz Núñez Investigador emérito, UNAM
CÓMO SE FORMA UN INGENIERO? FUNCIONES DE LA ESCUELA Y DE LA PRÁCTICA Por Daniel Reséndiz Núñez Investigador emérito, UNAM CÓMO? Hay una larga tradición al respecto La cuestión interesa a: Profesores y
Más detallesTRABAJO COLABORATIVO 1 LOGICA MATEMATICA. DIEGO ARMANDO CARDENAS ALEGRIA SERGIO ANDRES DURAN Tutor 90004_1206 Grupo
1 TRABAJO COLABORATIVO 1 LOGICA MATEMATICA DIEGO ARMANDO CARDENAS ALEGRIA 1083873773 SERGIO ANDRES DURAN Tutor 90004_1206 Grupo UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA-UNAD INGENIERIA DE SISTEMAS Pitalito,
Más detallesRepresentación de Conocimientos
Representación de Conocimientos Asunción Gómez-Pérez asun@fi.upm.es Despacho 2104 Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Campus de Montegancedo
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO SISTEMAS EXPERTOS 0929 8º, 9º 06 Asignatura Clave Semestre Créditos Ingeniería Eléctrica Ingeniería en Computación Ingeniería
Más detallesMatemáticas Discretas TC1003
Matemáticas Discretas TC1003 Módulo I: s Válidos Departamento de Matemáticas ITESM Módulo I: s Válidos Matemáticas Discretas - p. 1/50 En matemáticas y en lógica un argumento no es una disputa. Más bien,
Más detallesUNIDAD 8 LA FILOSOFÍA EMPIRISTA
UNIDAD 8 LA FILOSOFÍA EMPIRISTA ÍNDICE EMPIRISMO LA NUEVA CIENCIA Y SU INFLUENCIA EN LA FILOSOFÍA THOMAS HOBBES (1588 1679) FILOSOFÍA POLÍTICA JOHN LOCKE (1632 1704) FILOSOFÍA POLÍTICA GEORGE BERKELEY
Más detalles