CLASIFICADORES BAYESIANOS

CLASIFICADORES BAYESIANOS
Nos da un enfoque probabilstico de la inferencia
(deducir).
Est basado en asumir que las incgnitas de
inters siguen distribuciones probabilsticas .
Se puede conseguir una solucin ptima por
medio de estas distribuciones y datos observados.
Nos da la posibilidad de realizar una ponderacin
de la posibilidad de ocurrencia de una hiptesis
de manera cuantitativa.
 En la teora de la probabilidad el Teorema de
Bayes enuncia:

Que la probabilidad de A entre B es igual a la

probabilidad de B intercesin A entre la
probabilidad de A
 La frmula bsica para la probabilidad
condicional en circunstancias de dependencia se
conoce como Teorema de Bayes.

P (A|B) = P (BA)/P(A)
 En trminos ms generales y menos
matemticos, el Teorema de Bayes es de enorme
relevancia puesto que vincula la probabilidad de
A dado B con la probabilidad de B dado A.
EJEMPLO
En la sala de pediatra de un hospital, el 60% de
los pacientes son nias. De los nios el 35% son
menores de 24 meses. El 20% de las nias tienen
menos de 24 meses. Un pediatra que ingresa a la
sala seleccionar un infante al azar.

a. Determine el valor de la probabilidad de que sea

menor de 24 meses.
b. Si el infante resulta ser menor de 24 meses.
Determine la probabilidad que sea una nia.
 a. En este caso, la poblacin es de los infantes. Y la
caracterstica en comn es que sean menores de 24
meses. Por lo tanto, la probabilidad de seleccionar un
infante menor de 24 meses es un ejemplo de
probabilidad total.
Su probabilidad ser:
Se definen los sucesos:
Suceso H: seleccionar una nia. (60%)
Suceso V: seleccionar un nio. (35%)
Suceso M: infante menor de 24 meses. (20 % < de 24
meses)

P(M)=P(H)*P(M/H)+P(V)*P(M/V)=0.6*0.2+0.4*.35=0.26
26%
b. Para identificar cuando en un ejercicio se
hace referencia al teorema de bayes, hay que
partir de reconocer esta es una probabilidad
condicionada y que la caracterstica comn de
los sucesos condicionantes ya ha ocurrido.
Entonces, la probabilidad de que sea nia una
infante menor de 24 meses ser:
INFERENCIA BAYESIANA
Inferencia bayesiana.- Mtodo utilizado para inferir
resultados futuros (prediccin) basndose en observaciones y
evidencias para generar resultados satisfactorios.

La inferencia Bayesiana se apoya primordialmente en el teorema

de Bayes es un mtodo puramente aleatorio, el cual toma una
muestra de datos se analizan por el teoremas de Bayes
(Probabilidad condicional y probabilidad total) como se muestran en
las siguientes ecuaciones.

()
=
()
Teoremas de Bayes
= = /
PUNTOS IMPORTANTES EN EL ANLISIS DE
INFERENCIA BAYESIANA

Estimacin de resultados futuros (prediccin ) donde existe

incertidumbre

Identificacin de diferentes tipos de patrones de transicin

Asociacin descriptiva con respecto a la estimacin tomando datos al

azar

Mayor cantidad de datos disponibles para obtener datos

satisfactorios
 PROBLEMA DE Cul es probabilidad (p) de que el
APLICACIN (1) seguro pague por un accidente en
conductores menores a 30 aos.
El 22% de los clientes de una
compaa de seguros de
= ( 30 ) = 0.22; es una
accidentes de automvil es
probabilidad inicial.
menor de 30 aos. Las
estadsticas indican que el 11%
de los conductores menores de 30 = 0.78;
30 aos tiene un accidente y que / 30 = 0.11
slo el 5% de los mayores de 30 / 30 = 0.05;
aos tienen un accidente. Qu
porcentaje de accidentes R= 38% (Accidentes pagados por la
pagados por la compaa son de compaa de seguros.
clientes menores de 30 aos?

Probabilid Probabilida Probabilid Valor decimal

ad d ad de las
Inicial inicial Verosimilit probabilidades
ud
< de 30 aos 0.22 0.11 0.0242 0.3829
> = 30 aos 0.78 0.05 0.039 0.6171
Suma 0.0632 1
 PROBLEMA DE
APLICACIN (2)

El 60% de hombres fumadores

de una comunidad es mayor a
43 aos. Las estadsticas
indican que el 20% de los
fumadores mayores de 43 aos
son mas propensos a cncer de
pulmn, y que solo el 7 % de los
fumadores menores a 30 aos
son menos propensos a adquirir
cncer de pulmn:

Probabili Probabili Probabilida Valor decimal

dad dad d de las
Inicial inicial Verosimilitu probabilidades
d
> de 43 aos 0.60 0.20 0.12 0.810
< 30 aos 0.40 0.07 0.028 0.19
Suma
 PROBLEMA DE Que porcentaje de produccin de
APLICACIN (3) empaques la maquina B estarn libres
de defectos ?
En una fabrica de empaque el
5 % de la produccin de una
= ( ) =0.05; es una
maquina A son defectuosos, la
probabilidad inicial.
estadsticas indican que esa
maquina el 15 % seguir
produciendo empaques ( ) = 0.95; (P inicial)
defectuosos, mientras una / = 0.15;
maquina B producir el 2% de / = 0.02;
la produccin con defectos de
fabricacin.
R=71.6% (De la produccin de la
maquina B estar libre de defectos ).
Probabili Probabili Probabilida Valor decimal
dad dad d de las
Inicial inicial Verosimilitu probabilidades
d
Mquina 0.05 0.15 0.0075 0.2830
A
Mquina 0.95 0.02 0.019 0.7169
B
 PROBLEMAS DE
APLICACIN (4)

En una gran ciudad una de

cada 1000 personas sufre
narcolepsia. Seleccionamos al
azar una persona en una gran
ciudad Cul es la
probabilidad de que tenga
narcolepsia?

Solucin: La probabilidad que

una persona sufra narcolepsia
de muestra de 1000 personas. Test Test (- Total
(+) )
Sufren 99 1 100
1 narcolepsia
= No sufren 1998 97902 99900
1000
narcolepsia
Total 2097 97903 100000
MTRICAS
REPRESENTACIN EN EL PLANO
DIVISIN DE LAS MTRICAS PARA SU ESTUDIO
Las mtricas se pueden subdividir de la siguiente manera :

Mtricas de distancia Estructura topolgica Norma o

longitud de
Estructura lgebraica vectores

Estructura topolgica
Estructura geomtrica Estructura lgebraica
 CONCEPTOS
MTRICAS
1) , = 1 1 2 + 2 2 2

1.- Estructura Topolgica Relacin

distancia o cercana (Distancia entre
dos puntos)
+ = (1 +1 , 2 +2 )
2.- Estructura lgebraica .- Relacin 2) = (1 ,2 )
entre las operaciones (+) y producto de
un escalar.

3.- Estructura topolgica y 3) = 1 2 + 2 2

lgebraica , =
La asociacin de estas dos estructura, =
se le llama norma o longitud de
vectores.
1
4) < , > = y= 1 , 2 =1 1 + 2 2
2
4.- Estructura geomtrica.- Es la
combinacin de las propiedades
topolgica y algebraica , llamado < , >< , >
producto interno .

GRFICA DEL PRODUCTO INTERNO

( , )

CONJUNTOS
CONJUNTOS Y ELEMENTOS
Un conjunto puede ser considerado como una
coleccin de objetos.
Normalmente usamos maysculas (A,B,X,Y) para
denotar conjuntos, y minsculas (a,b,c,d,,) para
denotar elementos de un conjunto
Ejemplo:

p pertenece a A, o p es un elementos de A

B es el conjunto de las x tales que x es un entero

y x es mayor que cero
CONJUNTO UNIVERSAL, CONJUNTO VACIO
En la teora de conjuntos, los elementos de todos
los conjuntos que se estn investigando
generalmente pertenecen a algn conjunto grande
fijo llamado conjunto universal y se representa con
el smbolo U
Por ejemplo :
S ={x : x es un entero positivo, x2= 3}

El conjunto sin elementos se llamoa conjunto

vacio y denota por :
SUBCONJUNTOS
Si cada elemento de un conjunto A es tambin un
elementos de un conjunto B o que B contiene a A
esta relacin se escribe:
AB o BA
DIAGRAMAS DE VENN
Un diagrama de venn es una representacin
pictrica de un conjunto por conjuntos de puntos
en un plano. El conjunto universal U se
representa por el interior de un rectngulo, y los
otros conjuntos se representan por discos
contenidos dentro del rectngulo.

U U

A
B
A B

AB A y B son disyuntivos
UNIN E INTERSECCIN
La unin de dos conjuntos A y B se denota por:
AB

A B

La interseccin de dos conjuntos A y B, se denota

AB

A B
COMPLEMENTO

El complemento absoluto o, sencillamente,

complemento de A de denota por Ac .

El complemento relativo de un conjunto B con

respecto a un conjunto A o, sencillamente la
diferencia de A y B, de notado por A B

A B
ALGEBRA DE CONJUNTOS
Leyes de la idempotencia
1a.- AA =A 1b.- AA=A
Leyes asociativas
2a.-(A B) C=A (B C) 2b.- (A B) C=A (B C)
Leyes conmutativas
3a.- A B=B A 3b.-A B=B A
Leyes distributivas
4a.-A (B C) =(A B) (AC) 4.- A (B C)=(A B) (A C)
 Leyes de identidad
5a.- A = A 5b.- A U =A
6a.- A U = U 6B.- A =
Leyes de involucin

7 a.- (Ac)c = A

Leyes de complemento

8 a.- A Ac = U 8 b.- A Ac =
9 a.- Uc = 9b .- c =U
Leyes de Morgan

10 a. (A b)c = Ac Bc 10b. (A b)c = Ac Bc

EJEMPLO

Haga un lista de los elementos de los siguientes

conjuntos; en donde N= {1,2,3,4,}.
(a) A= {x : x N, 3<x<12}
(b) B= {x : x N, x es par, x < 15}
(a) C= {x : x N, 4+x=3}
(a) A consta de los enteros positivos entre 3 y 12; de
donde,
A={4,5,6,7,8,9,10,11]
(b) B consta de los enteros positivos pares menores
que 15; donde,
B={2,4,6,8,10,12,14}
No hay enteros positivos que satisfagan la condicin
4+x=3; as que C no contiene ningn elemento.
Entre otras palabras, C= , el conjunto vaco.