Vous êtes sur la page 1sur 15

m 



      
Introducción
Los primeros sistemas expertos se basaban en un conjunto de reglas del tipo
³si (condiciones), entonces (acciones)´ estas acciones suelen ir enfocadas a la
creacion de nuevo conocimiento o a la modificacion del conocimiento
disponible.

En muchos problemas reales las condiciones no son categóricas del tipo


verdadero o falso. Por ejemplo:
³conducir a alta velocidad provoca accidentes´ no significa que todas las
personas que conduscan y superen el limete de velocidad permitido
neseceariamente vuelquen.
sin embargo sabemos, al menos estadísticamente que la sentencia es
prácticamente cierta, relativamente cierta o que presenta excepciones.

En general, el conocimiento humano esta formado por afirmaciones y reglas


que no siempre son totalmente ciertas.
La teoría de la probabilidad garantiza mecanismos consistentes para que la
información pueda ser combinada (para obtener información mas general) y
proyectada (para obtener información mas particular) la probabilidad permite
establecer un grado de creencia entre 0 y 1 sobre cada oración.

Cuando la probabilidad da a 0 en una oración creemos que la oración es falsa


Cuando la probabilidad da a 1 en una oración creemos que la oración es verdadera

Los modelos gráficos son una fusión entre la teoría de la probabilidad y la teoría de
grafos que proporcionan una herramienta de representación del conocimiento
incierto y complejo.
Conceptos básicos de la teoría de la probabilidad
Sus inicios de la teoría de la probabilidad pueden situarse en los estudios de
Pierre de Fermant y Blaise Pascal (1654) sobre juegos de azar.

Kolmogorov (1933) desarrollo la definición de un marco teórico que se utiliza en


la actualidad como el fundamento matemático para todas las aplicaciones que
usan probabilidades.

Esta axiomática presenta la ventaja de que en esencia se centra en cual es el


rango de valores que puede tomar una función de probabilidad y en una
condición de actividad.
Fundamentos del calculo de probabilidades
La teoría de la probabilidad esta racionada con fenómenos en los que se
cumple la condición de azar; esto es, aquellos en los que resulta imposible
predecir sus resultados. Cada uno de los resultados que produce un de tales
fenómenos (o experimentos) recibe el nombre de   

un experimento estará bien definido cuando se haya establecido su conjunto de


resultados. el conjunto posible de resultados puede ser finito o infinito.
Fundamentos del calculo de probabilidades
En espacios maestrales finitos, un suceso de un experimento aleatorio es todo
subconjunto del espacio muestral asociado a dicho experimento. Ejemplo:

Para el lanzamiento de un dado, con espacio muestral 4 el


suceso de que al lanzar el dado salga un numero par viene dado por el
conjunto  o el suceso de que salga un numero múltiplo de tres es el
conjunto 

Hay dos casos particulares de sucesos que siempre existen en todo espacio
muestral:

‡ El suceso formado por todo los resultados posibles, 4, recibe el nombre
de   .

‡ El formado por resultados que no se pueden presentar nunca, . Que


recibe el nombre de      
Probabilidad de sucesos
Se dice que P es una función de probabilidad o simplemente una probabilidad
sobre el espacio muestral U, si P es una aplicación sobre sucesos que toma
valores en el intervalo [0, 1] verificando los siguientes axiomas.

Axioma 1:
4
Se considera que la máxima probabilidad se establece a 1 y
Dicho valor se debe establecer solamente cuando se sepa que el suceso es
totalmente cierto. Como siempre es cierto que va a ocurrir un resultado del
espacio muestral la probabilidad del suceso seguro necesariamente debe ser 1

Axioma 2: Para cualquier suceso 


 !
Por el axioma 1, la maxima masa de probabilidad, 1, se distribuye sobre
todo el espacio muestral U. como un suceso, A, es cualquier region del
espacio muestral, se establece su masa de provabilidad proporcional al
area que ocupa. Como cualquier region tiene un area no negativa, su
probabilidad devera ser positiva o nula(si la region esta vacia)
Probabilidad de sucesos
Axioma 3: Para cualquiera dos suceso A y B naturalmente excluyentes o
incompatibles. (Matemáticamente, "entonces:
P(A·B) = P(A) + P(B).

A este axioma se le conoce por la


  # . y lo que establece
es como calcular la probabilidad de dos sucesos que no comparten elementos
muestrales (o que producen resultados diferentes)
Interpretación de la probabilidad

  $
% 
 & el concentro de probabilidad se basa en el
supuesto de que se dispone de un experimento aleatorio sobre un espacio de
posibles resultados, llamado espacio muestral y, además, el experimento se
puede repetir de forma indefinida bajo las mismas condiciones.

Suponga que al realizar el experimento se obtiene un resultado que pertenece


a un subconjunto A del espacio muestral. En este caso se dice ha ocurrido el
suceso A. al repetir el experimento, bajo las mismas condiciones, pudiera
ocurrir de nuevo el suceso A, o quizás no. Si repite el experimento n veces, el
numero de veces que ha ocurrido A, se define como % 
    #
Interpretación de la probabilidad

  $
 ' & en esta interpretación, introducida por Leibniz y
popularizada por Laplace, se considera que todos los resultados son
igualmente verosímiles, en cuyo caso, la probabilidad de un suceso A viene
dada por:

Casos favorables
P(A) =
Casos posibles

Donde m     se interpreta como el numero de formas en las que


aparece A y m 
   como el numero de formas en las que puede
aparecer A.