Actividades
1. Alguien tiene una, y solo una, de dos posibles enfermedades: tifoidea (T) o hepatitis (H). Hay dos posibles síntomas: dolor de cabeza (D) y fiebre (F), cada uno de los cuales puede ser verdadero (D, F) o falso (~D, ~F). Dados:
P(T) = 0.6
P(D|T) = 0.7
p(D|~T) = 0.4
P(F|T) = 0.9
P(F|~T) = 0.5
a) Describe el espacio de muestreo
b) Completa
las tablas de probabilidad.
b) Obten la probabilidad de que alguien tenga
tifoidea
dado que no tiene dolor de cabeza y tiene fiebre, asumiendo que cada
síntoma
es independiente dada la enfermedad.
2. Para el problema de los puentes de
Konigsberg determina si existe:
a) una trayectoria que pase por cada puente
una sola vez [trayectoria Euler]
b) un circuito que pase por cada puente una sola vez [circuito Euler]
Hint: en caso de que no exista, hay que
demostrarlo
3. Para el grafo de la figura:
a) ordena los nodos de acuerdo a maxima
cardinalidad
b) triangula el grafo
c) determina los cliques
d) ordena los cliques y verifica la propiedad
de intersección secuencial
e) muestra el árbol de cliques resultante
4. Dada la siguiente tabla de datos:
Ambiente | Temperatura | VIENTO | JUGAR |
S | A | N | N |
S | A | S | N |
N | A | N | S |
L | M | N | S |
L | B | N | S |
L | B | S | N |
N | B | S | S |
S | M | N | N |
S | B | N | S |
L | M | N | S |
S | M | S | S |
N | M | S | S |
N | A | N | S |
L | M | S | N |
Obtener:
a) La tabla de probabilidad conjunta
5. Utilizar los datos de golf [en este archivo] para obtener clasificadores
bayesianos (Naive Bayes y TAN) en WEKA
y analizar los resultados:
6. Para el ejemplo del HMM de dos monedas cargadas (de la clase) y considerando la secuencia de observaciones AASS, calcular:
a) Probabilidad
de la secuencia por el método
directo
b) Probabilidad de la secuencia por el método iterativo
b) Comparar el número de
operaciones en (a) y (b)
c) Estimar la secuencia de estados más
probable
(algoritmo de Viterbi)
Campos de Markov
7. Considerar un CAM de primer orden de 4 x 4 sitios, donde cada sitio puede tomar los valores [0,1]. Considerando una configuración inicial de ceros en todos los sitios, una cierta observación (figura) y una lambda = 4 (mayor peso a las observaciones), utiliza los potenciales de suavizamiento para obtener los valores del campo para dos iteraciones del algoritmo ICM.Observacion (G):
0 | 0 | 0 | 0 |
0 | 1 | 1 | 1 |
0 | 1 | 0 | 1 |
0 | 1 | 1 | 1 |
Redes Bayesianas - representación
8. Para la red bayesiana de la figura:
a) Identifica el Contorno de Markov de cada nodo
y escribe la ecuación para la probabilidad conjunta.
b) Identifica la Cobija de Markov de cada nodo.
c) Di si las siguientes relaciones son verdaderas o falsas y
porqué: I(C,A,D), I(A,CD,F), I(C,F,D), I(A,D,BE),
I(A,DB,G), I(E,D,B), I(A,G,B), I(A,DG,B)